1.环境搭建

NVIDIA于2006年推出CUDA（Compute Unified Devices Architecture），可以利用其推出的GPU进行通用计算，将并行计算从大型集群扩展到了普通显卡，使得用户只需要一台带有Geforce显卡的笔记本就能跑较大规模的并行处理程序。

使用显卡的好处是，和大型集群相比功耗非常低，成本也不高，但性能很突出。以我的笔记本为例，Geforce 610M，用DeviceQuery程序测试，可得到如下硬件参数：

查看GPU状态判断CUDA 是否启用（一般来说，只安装CUDA 是没有太大用的，必须把cuDNN也配置好，才能发挥GPU 的作用）

watch -n 3 nvidia-smi

加载CUDA

module load cuda/7.5.18 module load cuda/11.5

查看版本

nvcc -V

查看GPU 信息：

ssh g01n01（进入计算节点执行，在登录节点无法执行） nvidia-smi

#错误
RuntimeError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version

https://blog.csdn.net/u010513327/article/details/81124110