问大模型的话给出的回答是不建议这么装，但是最后是安装成功了，所以也不能太相信大模型的回答，最终还是要自己去尝试！

# 1. 清理残留（可选）
sudo apt purge '^nvidia-.*' -y
sudo update-initramfs -u

# 2. 安装 535（Ubuntu 24.04 默认源中存在）
sudo apt update
sudo apt install -y nvidia-driver-535

# 3. 检查是否加载 
lsmod | grep nvidia  # → 空
dmesg | grep -i "nvidia\|p40"   
nvidia-smi           

接着安装pytorch

pip install torch==2.3.1+cu121 torchvision==0.18.1+cu121 torchaudio==2.3.1 --extra-index-url https://download.pytorch.org/whl/cu121 python3 -c "import torch; print(torch.cuda.is_available(), torch.cuda.device_count())"

编写一个很简单的pytorch例子看看能否两卡调用到gpu资源：

多卡并行示例（利用你的 2 块 P40）

# multi_gpu_test.py
import torch

if torch.cuda.is_available() and torch.cuda.device_count() >= 2:
    print(f"✅ Using {torch.cuda.device_count()} GPUs: {torch.cuda.get_device_name(0)}, {torch.cuda.get_device_name(1)}")

    # 创建两个张量，分别放到不同 GPU
    x0 = torch.randn(500, 500).cuda(0)  # GPU 0
    x1 = torch.randn(500, 500).cuda(1)  # GPU 1

    # 分别计算
    y0 = torch.mm(x0, x0.T).sum()
    y1 = torch.mm(x1, x1.T).sum()

    print("✅ GPU 0 result sum:", y0.item())
    print("✅ GPU 1 result sum:", y1.item())
else:
    print("⚠️  Not enough GPUs — skipping multi-GPU test")