====== NVIDIA Ovladače pro AI a výpočty ======

Ovladač (driver) tvoří klíčovou vrstvu mezi fyzickým hardwarem (GPU) a softwarovými knihovnami jako [[it:ovladace_a_cuda|CUDA]]. Pro potřeby umělé inteligence je volba správného ovladače důležitější než pro běžné hraní her.



===== 1. Typy ovladačů v roce 2026 =====

NVIDIA poskytuje několik větví ovladačů, které se liší stabilitou a frekvencí aktualizací:

==== NVIDIA Studio Driver (Doporučeno pro AI) ====
Tyto ovladače procházejí extenzivním testováním v kreativních a vědeckých aplikacích.
  * **Výhody:** Maximální stabilita, méně časté (ale spolehlivé) aktualizace.
  * **Použití:** Pracovní stanice pro trénování modelů, servery, stabilní lokální hostování LLM.

==== NVIDIA Game Ready Driver ====
Zaměřeno na nejnovější herní tituly a technologie (DLSS 4+).
  * **Výhody:** Nejnovější funkce ihned po vydání.
  * **Použití:** Uživatelé, kteří na stroji primárně hrají, ale občas experimentují s AI.

==== NVIDIA Data Center / Tesla Driver ====
Určeno pro serverové karty (např. řady A100, H100, B200). Neobsahují herní funkce a jsou optimalizovány pro 24/7 provoz v datacentrech.

===== 2. NVIDIA App (Nástupce GeForce Experience) =====

V roce 2026 je hlavním nástrojem pro správu **NVIDIA App**. Tato sjednocená aplikace umožňuje:
  * Snadné přepínání mezi verzemi **Studio** a **Game Ready**.
  * Monitorování vytížení GPU, teploty a spotřeby v reálném čase.
  * Správu AI technologií přímo v ovládacím panelu.



===== 3. Instalace na různých systémech =====

==== Windows ====
1. Stáhněte **NVIDIA App**.
2. V sekci "Ovladače" (Drivers) zvolte požadovaný typ (Studio/Game Ready).
3. Proveďte "Čistou instalaci" (Clean Install), pokud přecházíte z velmi staré verze.

==== Linux (Ubuntu/Debian) ====
Na Linuxu se doporučuje používat proprietární ovladače z oficiálních repozitářů:
<code>
# Vyhledání doporučeného ovladače
ubuntu-drivers devices

# Instalace doporučené verze (např. 560)
sudo apt install nvidia-driver-560
</code>

==== Docker ====
V kontejnerizovaném prostředí instalujeme ovladače **pouze na hostitelský stroj**. Kontejner si je "půjčuje" skrze [[it:nastaveni_gpu_v_dockeru|NVIDIA Container Toolkit]].

===== 4. Diagnostika a ověření =====

Nejdůležitějším nástrojem pro kontrolu je příkazový řádek. Spuštěním příkazu:
<code>nvidia-smi</code>
získáte přehled o:
  * Verzi ovladače (Driver Version).
  * Maximální podporované verzi CUDA.
  * Aktuálním využití VRAM (klíčové pro spouštění LLM).



> **POZOR:** Pokud ''nvidia-smi'' hlásí chybu "Failed to initialize NVML", obvykle to znamená konflikt mezi verzí ovladače v paměti a verzí nainstalovanou na disku. V 90 % případů pomůže **restart systému**.

---
**Související témata:**
  * [[it:ovladace_a_cuda|Podrobně o CUDA a Toolkitu]]
  * [[it:nastaveni_gpu_v_dockeru|Jak propojit GPU s Dockerem]]
  * [[it:troubleshooting_gpu|Řešení potíží s grafikou]]

---
**Správce dokumentace:** @Hardware_Support
**Poslední kontrola:** 4. ledna 2026