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
