顯卡、顯卡驅動、cuda 之間的關係是什麼？

12-29

新手菜鳥小白，剛學習深度學習，安裝了caffe,打算配置gpu加速。
顯卡是geforce gtx 745(比較低端)，在ubuntu系統下，安裝了cuda8.0（過程中附帶重新安裝了顯卡驅動375.26），最終顯示安裝成功。
但是回到圖形界面發現ubuntu系統的解析度降低，且設置里無法更改，所有圖標、文字等等全都變得很大；使用nvidia-smi也找不到顯卡驅動，但是使用nvcc -V能查到cuda信息；官網安裝教程里還讓檢驗device node，看是否存在dev/nvidia*文件，不存在的話手動用setup script生成，我的就不存在，且無法（可能是我的方法不對）生成。結果就是：顯卡有問題，cuda安裝好了。

現在我覺得是安裝的顯卡驅動的問題。
在官網上查了其他符合版本重新安裝，也還是一樣出現上述問題。
想知道顯卡，顯卡驅動，和cuda之間是怎樣的關係？他們的版本對彼此有啥影響？為什麼安裝cuda之前要重新安裝顯卡驅動?

顯卡：（GPU）主流是Nvidia的GPU，深度學習本身需要大量計算。GPU的並行計算能力，在過去幾年裡恰當地滿足了深度學習的需求。AMD的GPU基本沒有什麼支持，可以不用考慮。

驅動：沒有顯卡驅動，就不能識別GPU硬體，不能調用其計算資源。但是呢，Nvidia在Linux上的驅動安裝特別麻煩，尤其對於新手簡直就是噩夢。得屏蔽第三方顯卡驅動。下面會給出教程。

CUDA：是Nvidia推出的只能用於自家GPU的並行計算框架。只有安裝這個框架才能夠進行複雜的並行計算。主流的深度學習框架也都是基於CUDA進行GPU並行加速的，幾乎無一例外。還有一個叫做cudnn，是針對深度卷積神經網路的加速庫。

驅動安裝教程：

顯卡/GPU是具體幹活的晶元，其從host端拿命令和數據。顯卡驅動，分內核態和用戶態兩部分。內核態驅動只管將用戶態驅動發過來的命令和數據準備好，通知GPU來拿，利用環形fifo來下發命令和數據指針，並追蹤命令的完成狀態。用戶態部分，負責對shader程序的編譯，編譯成GPU的二進位代碼指令。OS提供的D3D,OpenGL等函數庫，屏蔽底層不同顯卡的差異。上層程序比如遊戲，在準備好對應的模型、貼圖紋理、著色器程序等數據之後，調用統一的D3D/OpenGL介面發起繪製請求，D3D則調用顯卡用戶態驅動提供的回調函數將對應的數據傳遞給後者，後者進行運行時編譯生成底層代碼，然後傳遞給內核態驅動，內核態驅動將命令和數據發送給GPU。至於GPU怎麼算的，那就是完全另外一回事了。

那麼，GUDA又是什麼呢。CUDA就是通用計算，遊戲讓GPU算的是一堆像素的顏色，而GPU完全可以算其他任何運算，比如大數據量矩陣乘法等。同樣，程序準備好對應的數組，以及讓GPU如何算這些數組的描述結構（比如讓GPU內部開多少個線程來算，怎麼算，之類），這些數據和描述，都要調用CUDA庫提供的函數來傳遞給CUDA，CUDA再調用顯卡用戶態驅動對CUDA程序進行編譯，後者再調用內核態驅動將命令以及編譯好的程序數據傳送給GPU，算。CUDA，就是相當於一個專門與通用程序而不是圖形程序對接的庫，那麼它的角色和地位與D3D/OpenGL在系統架構層次中是齊平的。

附錄，比較有用的。

顯卡不需要解釋了吧。

顯卡驅動，是很複雜的東西，裡面包含了opengl/d3d/metal的實現。

cuda是NVIDIA設計的的通用並行計算架構，估計是從opengl/d3d的compute shader發展起來的。

大家通常說的cuda，是cuda c++。

一般顯卡指的是個人電腦圖形加速顯示卡，也就是板卡硬體。

顯卡驅動是硬體與系統溝通的軟體配套。

CUDA 是特定顯卡特定驅動中的一個功能聚合介面，類似API，目的是簡化開發。

硬體，底層介面，應用程序介面

去nvidia官網找驅動run文件安裝，在裝cuda時候就不要重裝驅動了，也就是accept之後的第一項是no