先说结果，我没安装成功NVIDIA的最新驱动，因为我的BIOS上没有切换显卡的设置。 但是我觉得有几个需要说的提醒在这里总结一下！ 1、如果你之前在windows上没有装过NVIDIA驱动或CUDA，可以通过这个网站看你的 显卡是否支持CUDA ？

2、如果你的深度显卡驱动管理器中没有NV-Prime方案（如 deepin 15.11这个最新版本就删掉了这个方案），那你可以继续往下看。

3、先看看你的BIOS上支不支持切换显卡驱动，不支持的话，安装独显驱动很可能是无功而返！

4、如果你已经成功的使用上了大黄蜂方案，而且你要求的一些环境不高的话（比如你不用tensorflow2.0，tf2.0要求CUDA10.0，即驱动版本>=410.48），装个CUDA8、CUDA9还是可以的。deepin的驱动更新慢已经是常态了，不知道后续深度会不会更新（更新了的话，评论区提醒我一声儿呗）。下表是NVIDIA驱动和CUDA兼容表。

通过nvidia-smi，我们可以查看显卡信息，以确认我们的驱动是否正确安装了，在终端内输入：

显卡信息可以看到你的驱动版本，从而选择适合的CUDA和CuDNN版本。 若是显卡驱动安装正确，运行上面的命令，你会看到相似于下面的输出，驱动版本是390.87：

大黄蜂方案的显卡驱动是由bumblebee进行管理的。为了下降能耗，平时独显是处于关闭状态的，若是有程序须要使用到独显，需要经过optirun进行启动。 关于bumblebee版显卡驱动在深度学习训练中的开启和关闭： 在进行训练前，在终端输入sudo tee /proc/acpi/bbswitch import tensorflow as tf >>> tf.test.is_gpu_available()

如果结果是True，恭喜你安装成功！

参考： 《deepin-15.5 + 小米笔记本pro 下的深度学习环境cuda8 +tensorflow-gpu-1.4版本搭建过程》 《Ubuntu 卸载nvidia驱动、CUDA Toolkit》 深度科技论坛——如何手动安装NVIDIA驱动软件