我现在正在学习在我的笔记本电脑（Lenono T440s）上使用 tensorflow 和 keras。
因为我的笔记本电脑有 nvidia 730m 显卡，所以我想使用我的 GPU 进行深度学习。
不幸的是，当我尝试安装 nvidia 驱动程序和 cuda 时遇到了很多问题。
首先，最好提供更多关于我如何安装 ubuntu 的信息。我使用的是双操作系统（Windows 和 ubuntu）。由于我的笔记本电脑最初安装了 Windows 10，因此我禁用了安全启动。之后，我在上面安装了 ubuntu。
然后，我运行：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
然后我在附加驱动程序页面中安装了 nvidia 驱动程序 375（或其他版本）。不幸的是，在 nvidia 配置中，我重新启动后它什么也没有显示。但是，在附加驱动程序页面中确实勾选了驱动程序 375 的框。
看来我的系统无法检测到 nvidia。
其次，我尝试安装 cuda 8.0。但是无法安装 cuda 工具包。
我只发现/usr/local/cuda8.0/创建了一个目录，但没有/usr/local/cuda/。
我尝试了很多方法来安装驱动和 cuda。但总是失败。
我真的不知道如何安装它。我真诚地希望有人能帮助我。
以下是我的笔记本电脑的一些信息：
联想 ThinkPad T440s CPU i-7 4006U 8 GM RAM Nvidia GeForce 730M
答案1
如何知道我的笔记本电脑是否符合 TensorFlow-with-GPU 资格？
您的笔记本电脑必须具有与 NVIDIA CUDA 兼容的显卡。GeForce GT 730M可以。
如果您想亲自检查，可以访问 NVIDIA 网站。
NVIDIA 专有驱动程序安装
现代笔记本电脑配备 NVIDIA 显卡时通常配备 Optimus 技术。什么是 Optimus 技术？这意味着您的笔记本电脑实际上有 2 个图形芯片：第一个位于主板上，靠近 CPU。我们将其称为“英特尔芯片”。第二个位于您的 NVIDIA 卡上。默认情况下，在 Ubuntu 16.04 上不使用 NVIDIA 卡。您必须安装特定的驱动程序才能使用它。
我们可以在两种类型的驱动程序之间进行选择：免费驱动程序和专有驱动程序。我没有使用过免费驱动程序，所以我们将使用专有驱动程序。
安装它们非常简单：
- 转到系统设置
- 转至软件和更新
- 单击“其他驱动程序”选项卡
- 稍等一下
在我的笔记本电脑上，有： NVIDIA 驱动程序
我们可以看到 NVIDIA 二进制驱动程序未被使用。要修复它：
- 单击使用 NVIDIA 二进制驱动程序，然后单击应用更改，然后输入您的密码。
- 稍等一下
- 单击重新启动…
您现在可以使用 NVIDIA 显卡了。
一件重要的事情：在 Windows 上，Optimus System 会在需要时自动从 Intel 显卡切换到 NVIDIA 显卡。Intel 显卡性能较低，但功耗也较低。NVIDIA 显卡性能较高，但功耗也较高。
在 Ubuntu 上，您必须使用名为 PRIME 的工具自行从一个芯片切换到另一个芯片。
为了做到这一点：
- 打开软件NVIDIA XServer 设置
- 前往 PRIME 简介
- 选择NVIDIA（性能模式）或者英特尔（省电模式）
- 输入您的密码，然后注销并登录。（请注意，您不需要重新启动！）
笔记：有一个名为 Bumblebee 的系统，它能够自动切换 NVIDIA Optimus 技术，英特尔并且无需手动配置 NVIDIA 芯片，就像在 Windows 上一样。我们不会在本回答中讨论这个问题。
现在，让我们检查一下是否可以使用 NVIDIA GPU。
NVIDIA GPU 测试
为了确保我们使用的是 NVIDIA GPU，我们将使用工具 glxgear。
在终端中输入：
$ glxgear
您应该看到旋转的齿轮。
- 打开软件NVIDIA XServer 设置
- 点击线 GPU , –， 在哪里和取决于你的系统（在我的系统上，它是GPU 0 – （GeForce 940MX））。
- 检查 GPU 利用率行。它应该接近 100%。如果关闭 glxgear，GPU 利用率应该会显著下降。
cuDNN 安装
去NVIDIA cuDNN网站，然后点击下载按钮。您可能需要注册（免费）。
下载最后一个适用于 Linux 的 cuDNN 库，并提取下载的档案。
复制内容包括目录中/usr/local/cuda/包含. 复制lib64目录中在 /usr/本地/cuda/lib64。
并在末尾添加.bashrc文件（在您的主文件夹中）包含以下行：
export LIBRARY_PATH=/usr/local/cuda/lib64:$LIBRARY_PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH