普通电脑能不能安装gpu

① 笔记本电脑能安装显卡吗

笔记本电脑不能安装显卡。

现在市面上大部分笔记本显卡都是直接焊接在主板上的无法取下，所以也就不能换显卡。

换显卡注意事项：

1、主板接口和显卡接口是否一致：现在的主板和显卡接口都是pci-e接口，除非是特别古老的主板才会存在接口不一致的情况。

2、处理器能否将显卡性能完全发挥出来，这个是很重要的，如果处理器无法将显卡性能发挥出来，就会造成显卡资源浪费。

3、电源供电能否跟上，如果供电不够，显卡无法稳定运行，会造成显卡性能下降，长期再次状态运行还会造成显卡损害。

(1)普通电脑能不能安装gpu扩展阅读：

显卡是个人计算机基础的组成部分之一，将计算机系统需要的显示信息进行转换驱动显示器，并向显示器提供逐行或隔行扫描信号，控制显示器的正确显示，是连接显示器和个人计算机主板的重要组件，是“人机”的重要设备之一，其内置的并行计算能力现阶段也用于深度学习等运算。

显卡是插在主板上的扩展槽里的，它主要负责把主机向显示器发出的显示信号转化为一般电器信号，使得显示器能明白个人计算机在让它做什么。显卡主要由显卡主板、显示芯片、显示存储器、散热器（散热片、风扇）等部分组成。显卡的主要芯片叫“显示芯片”，是显卡的主要处理单元。显卡上也有和计算机存储器相似的存储器，称为“显示存储器”，简称显存。

② 电脑怎么安装gpu

1.首先,请右键点击桌面上的计算机图标,选择“管理”选项。
2.在打开计算机管理页面中,双击左侧的“设备管理器”菜单选项进入设备管理器页面。
3.双击列表中“显示适配器”选项,展开电脑中安装的显卡设备,点击选择其中的显卡设备。
4.打开显卡设备属性页面之后,点击切换至“驱动”选项卡,并点击“更新驱动程序”按钮。
5.在接下来打开的页面中选择自动更新并搜索该设备对应的驱动程序。

③ 我的电脑可以添加GPU吗CPU可不可以换

u不用换吧，加个能耗比高的卡，推荐gtx750补充：不能加太好的，因为你电源300W，换也比较麻烦，gtx750可以胜任绝大多数游戏了，比你现在的显卡好N倍，京东700左右. cpu不推荐更换，1.主板限制，这个主板不能换比你cpu好多少的2.cpu性能足够，电脑卡的话不会是cpu的原因吧补充：那个风扇，照片上的，拆下来，下面就是cpu

④ WIN10的15寸笔记本电脑可以外加个GPU吗

不行！[GPU=图形处理器（英语：Graphics Processing Unit，缩写：GPU）]
目前笔记本的显卡基本都是集成在主板上的，而且不同于台式机的兼容广谱，笔记本设计之初还会考虑内部功耗的要求，所有元件的电压、电流都是有一定要求的。当然，也可以通过换主板的方式（前提是有同型号的二手主板），这时熟悉电路的同学可以自行根据笔记本铭牌上的电功耗信息和笔记本内各个元件的型号对应的功耗信息自己去计算一下。
总体来说，如果不是特别熟悉单路构造的电脑大咖的话，换笔记本GPU不如直接换本本的……

⑤ 普通电脑PC怎样跑TensorFlow的GPU模式

需要看你的PC配置是否够，TF的GPU模式只支持N卡，然后计算能力高于3.0，以下说下安装步骤：

1、首先要注册NVIDIA developer的帐号，分别下载CUDA和cuDNN。

2、确认准备gcc版本，安装依赖库sudo apt-get install freegl。

3、安装CUDA。

4、解压cuDNN。

5、clone tensorflow源码，configure配置。

6、编译安装。

7、最后一步测试。

⑥ 我对电脑组装一点都不懂问CPU和GPU可以同时装在一部电脑里吗

你这也太白了，cup就是处理器，GPU就是显卡，一个是数据处理一个是图形处理，我这么跟你说吧，你玩吃鸡，那些地图房子刷的速度就取决于你的处理器，而画面的帧数和画质程度就取决与你的显卡，这两个是电脑缺一不可的硬件。有的主板上是自带集成显卡，你自己另外装的就是独立显卡，这个你应该在英伟达的驱动设置里看到过，集成显卡一般很垃圾，电脑都是吃你的独立显卡，显卡好点画质高点，你要是就玩这些和吃鸡类似的买显卡就买贵点的，要是要画图啊或者玩大型moba类的游戏的话处理器就买好点，但是现在绝大多数的固态硬盘都能处理这些数据的处理问题，所以都是显卡买的好一点处理器凑合着用，当然要是手头宽裕的话就完全不需要考虑这些问题了

⑦ 普通配置电脑能换四壳CPU嘛、GPU也可以换嘛

这要看你的主板支持的处理器的类型了，再就是虽然支持的话，还有一个能发挥出多少性能的问题，要根据你主板及其他硬件的具体参数来考虑......

⑧ 给电脑安装显卡就等于给电脑安装GPU了吗

GPU是显卡的核心部分，但是安装显卡不等于安装GPU
有些CPU是自带核显的，已经包含GPU了

⑨ 普通电脑PC怎样跑TensorFlow的GPU模式

首先需要看你的PC配置是否够，TF的GPU模式只支持N卡，然后计算能力高于3.0，具体可以查：


安装教程可以参考：



Ubuntu16.04上gtx1080的cuda安装
July 17 2016
目前tensorflow是一个非常流行的深度学习计算框架，常规硬件及系统的安装方法官方的doc已经说的很清楚了，但是 因为系统是ubuntu16.04,显卡是GTX1080,所以不可避免的要折腾起来。在上一篇已经在16.04上安装好了驱动。接下来其实 重点安装的是CUDA和cuDNN.
首先说为什么要安装CUDA和cuDNN，关于采用GPU计算比CPU有速度有多少提升的benchmark找找就有，这次重点是怎么让tensorflow充分用的 上GTX1080能力。具体的就是如何把支持GTX1080的CUDA和cuDNN装起来，然后让tensorflow认识我们新装的CUDA和cuDNN。
首先总体说下安装步骤：
1 首先要注册NVIDIA developer的帐号，分别下载CUDA和cuDNN
2 确认准备gcc版本，安装依赖库sudo apt-get install freegl
3 安装CUDA
4 解压cuDNN
5 clone tensorflow源码，configure配置
6 编译安装
7 最后一哆嗦,测试！
准备工作
在正式开始前，需要做几个准备工作，主要是大概先看下文档
cuda FAQ
tensorflow 的安装文档
cuda-gpu的支持列表/计算能力/FAQ
cudnn 5.1有多牛
cuda tookit下载页面
CUDA_Installation_Guide_Linux.pdf
cudnn User Guide
文档看过之后接下来就是实际动手的过程：
1 注册NVIDIA developer的帐号，分别下载CUDA和cuDNN
1.1 下载CUDA 打开cuda toolkit下载页面,GTX1080 要用的是CUDA 8。先点击JOIN,注册帐号。 完了后，再回到cuda toolkit下载页面。选择 linux, x86-64, ubuntu, 16.04, runfile(local)
1.2 下载cuDNN 进入cudnn的下载页,一堆调查,日志写时下载的是[Download cuDNN v5 (May 27, 2016), for CUDA 8.0 RC],点开选linux,不出意外的话这个就是下载地址.
2 确认GCC版本，安装依赖库
确认本机gcc版本,16.04默认的是gcc 5,这里安装需要的最高是gcc 4.9。接下来就安装配置gcc 4.9.
2.1 安装gcc 4.9，并修改系统默认为4.9
sudo apt-get install gcc-4.9 gcc-4.9 g++-4.9 g++-4.9
gcc --version
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
gcc --version


2.2 一个小依赖
sudo apt-get install freegl


3 安装CUDA
需要注意的是这个地方有个选择安装低版本驱动的地方，选n 大致的安装流程如下：
3.1 安装CUDA
chmod +x /cuda_8.0.27_linux.run
./cuda_8.0.27_linux.run

....

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location
[ default is /home/h ]: /home/h/Documents/cuda_samples

....



3.2 写入环境变量
vim ~/.bashrc
#添加下面变量
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}


3.3 安装好后简单验证
a. 进入刚配置时指定的cuda sample所在文件夹,NVIDIA_CUDA-8.0_Samples/
b. cd 0_Simple/asyncAPI;sudo make
c. NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$ ./asyncAPI [./asyncAPI] - Starting… GPU Device 0: 逗GeForce GTX 1080地 with compute capability 6.1 CUDA device [GeForce GTX 1080] time spent executing by the GPU: 10.94 time spent by CPU in CUDA calls: 0.19 CPU executed 50591 iterations while waiting for GPU to finish
4 安装cuDNN
h@h:~/Downloads$ tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a

h@h:~/Downloads$ sudo cp -R cuda/lib64 /usr/local/cuda/lib64
h@h:~/Downloads$ sudo mkdir -p /usr/local/cuda/include
h@h:~/Downloads/cuda$ sudo cp include/cudnn.h /usr/local/cuda/include/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*



5 clone, configure tensorflow
5.1 clone源码
$ git clone


5.2 configure配置
整个配置流程应该跟下面的基本一样的
h@h:~/Downloads/tensorflow$ cd ./tensorflow/
h@h:~/Downloads/tensorflow$ ./configure
Please specify the location of python. [Default is /usr/bin/python]:
***Do you wish to build TensorFlow with Google Cloud Platform support? [y/N] N***
No Google Cloud Platform support will be enabled for TensorFlow
***Do you wish to build TensorFlow with GPU support? [y/N] y***
GPU support will be enabled for TensorFlow
Please specify which gcc nvcc should use as the host compiler. [Default is /usr/bin/gcc]:
**Please specify the location where CUDA toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-8.0 **

**Please specify the Cudnn version you want to use. [Leave empty to use system default]: 5.0.5**
**Please specify the location where cuDNN 5.0.5 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-8.0]: /usr/local/cuda**
Please specify a list of comma-separated Cuda compute capabilities you want to build with.
You can find the compute capability of your device at:
**Please note that each additional compute capability significantly increases your build time and binary size.
[Default is: "3.5,5.2"]: 6.1**
Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Setting up CUPTI include
Setting up CUPTI lib64
Configuration finished


6 编译安装
6.1 编译工具Bazel安装配置
先看一眼文档然后就执行下面的流程:
#安装java 1.8
sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer

#安装好后车参考下
java -version

#添加源
echo "deb [arch=amd64] stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl | sudo apt-key add -

#下载
sudo apt-get update && sudo apt-get install bazel

#升级
sudo apt-get upgrade bazel


6.2 编译tensorflow的pip版本并安装
$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

# To build with GPU support:
$ bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

# The name of the .whl file will depend on your platform.
#注意编译完成后生成的文件名字和官方doc里面的是不一定一致的

$ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whl


i6700k 32g编译时间:

只编译代码不带pip INFO: Elapsed time: 967.271s, Critical Path: 538.38s

bazel-bin/tensorflow/tools/pip_package/build_pip_package INFO: Elapsed time: 65.183s, Critical Path: 48.58
7 最后测试
前面都整完了，现在该测试了，注意前面有两个动态链接库的位置，cuDNN在/usr/local/cuda/lib64， 而cuda在/usr/local/cuda-8.0/lib64，所以这个时候的bashrc应该这么写：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}



写完后,
source ~/.bashrc
cd tensorflow/tensorflow/models/image/mnist
python convolutional.py


成功的话会出现流畅的跑动:
h@h:~/Downloads/tensorflow/tensorflow/models/image/mnist$ python convolutional.py
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.so.5.0.5 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locally
Extracting data/train-images-idx3-ubyte.gz
Extracting data/train-labels-idx1-ubyte.gz
Extracting data/t10k-images-idx3-ubyte.gz
Extracting data/t10k-labels-idx1-ubyte.gz
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties:
name: GeForce GTX 1080
major: 6 minor: 1 memoryClockRate (GHz) 1.8475
pciBusID 0000:01:00.0
Total memory: 7.92GiB
Free memory: 7.41GiB
I tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0
I tensorflow/core/common_runtime/gpu/gpu_init.cc:136] 0: Y
I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0)
Initialized!
Step 0 (epoch 0.00), 8.4 ms
Minibatch loss: 12.054, learning rate: 0.010000
Minibatch error: 90.6%
Validation error: 84.6%

......

Minibatch error: 0.0%
Validation error: 0.7%
Step 8500 (epoch 9.89), 4.7 ms
Minibatch loss: 1.601, learning rate: 0.006302
Minibatch error: 0.0%
Validation error: 0.9%
Test error: 0.8%

⑩ 笔记本电脑可以装独立显卡么

普通笔记本独立显卡是不能换的，显卡核心芯片和显存颗粒都是直接焊接在主板上的，这是为了降低笔记本设计和制造成本，高端的笔记本如戴尔的外星人笔记本是可以拆换独立显卡的，笔记本集成显卡有两种，早期的笔记本集成显卡是集成在主板芯片里面的，现在的笔记本集成显卡叫做核心显卡是集成在处理器里面的。

在笔记本独立显卡部分里，其中独立的GPU核心芯片和GDDR显存颗粒都是焊接在主板上的。可以拆卸的笔记本独立显卡使用的是一种叫做MXM接口的规格，不同于台式机。但是使用这种卡槽首先必然增加笔记本的主板设计成本，而且会增加笔记本厚度和重量，完全独立的显卡也会增加笔记本的热功耗。

MXM接口，即Mobile PCI Express Mole，这是一套基于PCI-Express界面的、为图形处理器设计的设备接口，定位于不同类型的笔记本产品，是由nVidia及多家笔记本电脑生产商共同制定，采用和PCI-Express兼容的通讯协议。

因此可使用于所有支持PCI-Express规格的绘图核心及支持PCI-Express 绘图接口的芯片组，它不止缩短了产品设计的周期，而且厂商可因用户不同需求而提供不同等级的MXM显卡产品，用户则可以根据需要在日后自行升级MXM显卡而无需更换整台笔记本电脑。
笔记本独立显卡作用
如今大多数电脑都有这样一个特征：CPU集成核心显卡、外加电脑中还配备独立显卡，这样的电脑就拥有双显卡，正常情况下，双显卡会自动切换智能运行。

不过由于CPU集成的显卡性能有限，无法媲美独立显卡，此外双显卡电脑在运行一些游戏时，还可能因为兼容导致游戏无法安装或者闪退等。对于这种情况，我们通常需要将双显卡切换到独立显卡上运行，也就是说，指定电脑使用高性能的独立显卡运行程序或者游戏，这样不仅性能最好，同时也可以解决一些兼容问题。