如何确认计算机的GPU配置
目录
1. 前言
最近开始学（鼓）习（捣）强化学习，安装一本基于Python学习强化学习的随书代码，（看似一切顺利地）安装完了后运行测试代码，报错。。。仔细看了看README，要求GPU环境，so，运行失败是因为本机有没有GPU以及驱动配置是否正确吗？
首先，GPU是个啥？
GPU：图形处理器（英语：Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，原本是专门用于在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器（摘自：图形处理器_百度百科）。用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。
GPU的特点，简而言之，就是对于规整化的运算（比如矩阵、张量运算）非常高效。原本是用于图形处理而开发的专用处理器。然后，在深度学习时代人们发现深度学习模型训练和推理所需要非常对GPU的胃口。。。因此双方一拍即合互相促进，GPU成就了深度学习的兴起，深度学习成就了NVIDIA（英伟达）的横空出世。。。
CPU和GPU的区别就不瞎BB了，以下一图大抵就清楚了，不清就去这个链接瞅瞅吧（CPU和GPU到底有什么区别？ - 知乎 (zhihu.com)，侵删。。。）
2. 方法1
Windows10系统（其它版本应该大同小异吧）下：
右击“此电脑（或：我的电脑）”-->属性-->设备管理器-->显示适配器，会有显示如下：
嗯嗯，我的机器上有深度学习所需要的Nvidia GPU。。。
3. 方法2
按“Ctrl+Alt+Del”然后进入“任务管理器”，然后选择“性能”，可以得到类似于下图这样的：
嗯嗯，两个GPU都挺闲的^-^需要给它们上点运算负荷^-^
4. GPU与GPU还不一样
如上图所示，机器里面有两个GPU，一个是Intel的另一个是Nvidia的。虽然都叫GPU，但是其实是不一样的。这就涉及到另一对概念：集成显卡 vs 独立显卡。
集成显卡是将显卡集成在CPU上的，没有显卡(GPU)就无法对电脑的图像处理进行输出。集成显卡直接安在CPU上，节省了空间上的位置。而且集成显卡没有显存，因此占用电脑一部分内存进行运算，这也就节省了集成显卡的制作难度，从而导致集成显卡相比独立显卡价格要低。
独立显卡是专门进行图像处理的硬件，它基于专用GPU芯片，有自己独立的显存，通过PCI-Express扩展插槽与主板连接。通常独立显卡的性能远远高于集成显卡。然而，天底下没有免费的午餐，独立显卡的价格与它的性能一样鲜美无比。
以上，英特尔的GPU就是集成显卡，而英伟达的GPU就是独立显卡。通常深度学习、强化学习领域中所说的GPU都是指独立显卡，而独立显卡领域的鹤立鸡群一枝独秀的就是英伟达（Nvidia）。
5. 有GPU就可以为所欲为了吗？
并不是。
至少你看上面，我机器上有Nvidia-GPU啊，前言中说的安装也看似顺利啊，可以还是跑不通啊。逛了逛万能的互联网，感觉就算是怀里揣着这么个宝贝，要想让它发挥作用并不是一件容易的事情。不知道怎么用就等于捧着金碗做叫花子。。。^-^
容我慢慢学习摸索，有了收获再来报告。。。