如何选购腾讯云GPU实例？如何优雅地安装驱动等底层开发工具库？这些问题给深度学习等领域研究/开发人员带来了不少困惑。本篇教程将从实践出发，给出基于腾讯云GPU实例的Best Practice，彻底解决以上问题。
我们选择腾讯云目前的主流机型GPU计算机型GN7，其中搭载一颗Tesla T4 GPU。本教程采用的具体规格为GN7.5XLARGE80。这款机型有着不错的综合性能，20核心+80G内存，比较适合常规的深度神经网络训练等各种应用场景。而且，它还是全球市面上同级别GPU机型中（T4）性价比最高的产品。
我们去Nvidia官网下载最新的CUDA Toolkit 10.2根据我们的环境选择安装下载方式，这里我们选择网络安装deb包的方式，如图：
可以看到其实就是在系统中安装了nvidia的官方apt仓库源，并执行了apt install cuda，很方便。只有最后一步的安装过程稍微耗时一些，需要5分钟左右，而且这一步有可能中间因为网络等原因中断，重试1～2次即可。
Nvidia GPU驱动是支持CUDA编程的内核模块。通过上述方法安装的驱动是以动态内核模块（DKMS）的形式安装的，这种内核模块不在内核source tree中，但是可以在每次内核更新升级时自动地进行重新编译，生成新的initramfs，并后续随着系统启动动态加载。总之就是，驱动只需安装一次，非常方便。
CUDA Toolkit，即开发工具包，其中包括构建命令、头文件、动态库、文档、代码示例等等，安装在/usr/local/cuda目录。
官网下载安装目前最新稳定版本是 7.6.5，地址。 这里不同于下载CUDA Toolkit，多了个登录步骤以及协议的勾选项。
看着如此高的Gflops，不禁感慨计算设备发展之飞速。相信教程到此，你也有点小心动，赶快来体验GPU云服务器GN7系列的速度与吧！
