GPU 升级 cuda版本

### 升级 CUDA 版本以适配新 GPU

为了确保 GPU 和 CUDA 的兼容性和性能优化，建议按照官方推荐的方式进行升级。具体操作如下：

#### 获取当前硬件信息
确认现有 GPU 型号及其对应的架构代号对于选择正确的 CUDA 版本至关重要[^1]。

nvidia-smi

此命令可以显示安装的 NVIDIA 显卡详情以及正在使用的驱动程序版本。

#### 下载并安装最新的显卡驱动
访问 NVIDIA 官方网站获取最新版驱动程序，并依据操作系统类型选取适合的文件格式进行下载和安装[^2]。

wget https://us.download.nvidia.com/XFree86/Linux-x86_64/550.100/NVIDIA-Linux-x86_64-550.100.run
sudo sh ./NVIDIA-Linux-x86_64-550.100.run

完成上述步骤后重启计算机使更改生效。

#### 查看 OpenCV 支持情况
如果遇到 C++ 推理 YOLO ONNX 模型速度过慢的情况，可能是由于所用 Opencv 库未开启 CUDA 加速功能所致[^3]。可以通过 Python 脚本来验证这一点：

import cv2
print(cv2.__version__)
print(cv2.cuda.getCudaEnabledDeviceCount())

当 `getCudaEnabledDeviceCount()` 返回值大于零时表示已成功启用 CUDA 加速；反之则需重新编译带有 CUDA 支持选项的 OpenCV 或者通过包管理器安装预构建的支持 CUDA 的二进制包。

#### 更新 CUDA Toolkit
前往 NVIDIA 开发者资源页面查找与目标 GPU 架构相匹配的最佳 CUDA 发布版本列表，并遵循指引完成工具链部署。