源代码杀手的博客

虽然OpenCL因其通用性听起来很有吸引力，但它在 NVIDIA GPU 上的性能不如 CUDA，而且许多深度学习框架要么不支持OpenCL，要么仅在其 CUDA 支持发布后才支持它。这种广泛的 NVIDIA 硬件可以与 CUDA 和 OpenCL 一起使用，但 CUDA 在 NVIDIA 上的性能更高，因为它是在设计时考虑到了 NVIDIA 硬件。英特尔提供集成到其 CPU 中的 GPU。OpenCL应用程序几乎可以在任何操作系统上运行，并且可以在大多数类型的硬件上运行，包括 FPGA 和 ASIC。

可能需要安装一项依赖：sudo apt-get install libcanberra-gtk-module。

官网文档中心：https://docs.nvidia.com/

参考连接：https://github.com/KangChou/WSL-CUDA

文章目录0、安装NVIDIA和CUDA0.0、下载0.1、安装0.2、编译工具1、我的第一个CUDA程序0、安装NVIDIA和CUDA0.0、下载参考我的博客教程：NVIDIA显卡驱动和CUDA下载方法：https://blog.csdn.net/weixin_41194129/article/details/1133942030.1、安装NVIDIA显卡驱动和CUDA安装方法：ubuntu安装方法：https://blog.csdn.net/weixin_41194129/article/d

安装nsightsudo apt install openjdk-8-jre-headless sudo apt install nvidia-nsight 启动进入后，先在左侧菜单栏右键单击创建项目，然后在项目的基础上创建你要编译的C/C++程序即可。