CUDA与CUDDN的区别
1、什么是CUDA
2、什么是CUDNN
3、CUDA与CUDNN的关系
4、CUDNN不会对CUDA造成影响
官方Linux安装指南表述：
cuDNN的安装文件有两个文件夹，共五个文件，如下
CUDA平台里对应文件夹的文件，如下
可以看到，CUDA已有的文件与cuDNN没有相同的文件，复制CUDNN的文件后，CUDA里的文件并不会被覆盖，CUDA其他文件并不会受影响。
5、Linux下CUDNN的安装
在服务器上共安装了三个不同版本的CUDA，并不知道哪个能正常调用，所以需要安装三个不同版本的cuDNN。
cuDNN的文件已经放入服务器我的文件夹下
linu命令如下：如果不行，就全部去掉sudo。
cp 是复制，chmod是给与文件可读权限，使这个文件可以读取，rm 是删除文件
（1）
sudo cp /public/home/qliang/lyr/ysl/cudnn9.1/cuda/include/cudnn.h /usr/local/cuda-9.1/include
sudo cp /public/home/qliang/lyr/ysl/cudnn9.1/cuda/include/libcudnn* /usr/local/cuda-9.1/lib64
sudo chmod a+r /usr/local/cuda-9.1/include/cudnn.h
sudo chmod a+r /usr/local/cuda-9.1/lib64/libcudnn*
（2）
sudo cp /public/home/qliang/lyr/ysl/cudnn9.1/cuda/include/cudnn.h /public/software/cuda-9.1/include
sudo cp /public/home/qliang/lyr/ysl/cudnn9.1/cuda/lib64/libcudnn* /public/software/cuda-9.1/lib64
sudo chmod a+r /public/software/cuda-9.1/include/cudnn.h
sudo chmod a+r /public/software/cuda-9.1lib64/libcudnn*
（3）
sudo cp /public/home/qliang/lyr/ysl/cudnn10/cuda/include/cudnn.h/ usr/local/cuda-9.1/include
sudo cp /public/home/qliang/lyr/ysl/cudnn10/cuda/lib64/libcudnn* /usr/local/cuda-9.1/lib64
sudo chmod a+r /public/software/cuda-10.0/include/cudnn.h
sudo chmod a+r /public/software/cuda-10.0/lib64/libcudnn*
6、卸载cuDNN
因为是插入式设计，cuDNN的卸载也非常简单，只需要把相关文件删除就可以了。指令如下：
rm –rf /usr/local/cuda-9.1/include/cudnn.h
rm –rf /usr/local/cuda-9.1/lib64/libcudnn*
rm –rf /public/software/cuda-9.1/include/cudnn.h
rm –rf /public/software/cuda-9.1/lib64/libcudnn*
rm –rf /public/software/cuda-10.0/include/cudnn.h
rm –rf /public/software/cuda-10.0/lib64/libcudnn*
绛旓細GPU鐨勯┍鍔ㄧ増鏈喅瀹氫簡鏀寔CUDA鐨鏈楂樼増鏈紝鎵浠ュ畨瑁卼ensorflow gpu锛堟垨鑰卲ytorch gpu锛夌増鏈椂锛岀増鏈夋嫨椤哄簭涓鑸负锛 tensorflow gpu锛堟垨pytorch gpu锛夌増鏈--->CUDA,cuDNN鐗堟湰--->GPU椹卞姩鐗堟湰 娉細褰撶劧瀹夎CUDA鏃跺彲浠ラ夋嫨涓璧峰畨瑁呴┍鍔紝姝ら┍鍔涓嶤UDA鐗堟湰鏄傞厤鐨 鍦ㄦ闈笂鍗曞嚮鍙抽敭锛岀劧鍚庢墦寮NVIDIA...
绛旓細璁稿鍚屽璇互涓篜yTorch鍜孴ensorFlow涓鏍凤紝杩愯鏃堕渶瑕佹湰鏈虹幆澧冨唴鐨凜UDA鍜孋uDNN鏀寔锛屼絾鍏跺疄鍦ㄤ竴鍙版病鏈夊畨瑁匔UDA鐨勭幆澧冧腑鎸夌収瀹樼綉鐨勬寚鍗楀畨瑁匬yTorch涔熸槸鍙互姝ｅ父鍦℅PU涓婅繍琛岀殑銆傞偅涔堝畨瑁匞PU鐗堟湰鐨凱yTorch闇瑕佷粈涔堬紵绛旀鏄細GPU鍜岄┍鍔ㄣ傛垜浠湅涓涓嬪畼缃戠粰鍑虹殑 瀹夎鏁欑▼ 锛氬湪閫夋嫨涓嶅悓CUDA鐗堟湰鏃讹紝PyTorch鐗堟湰鍙峰熬閮ㄤ細...
绛旓細amd鏄惧崱鏄笉鏀寔cuda寮鍙戠殑銆傚洜涓篴md鍜宯vidia锛堣嫳浼熻揪锛夎繖涓ゅ鍏徃鏄叏鐞冩樉鍗″埗浣滅殑涓ゅぇ宸ㄥご锛屽ぇ閮ㄥ垎鐢佃剳鐨勭嫭绔嬫樉鍗￠兘鏄敤杩欎袱瀹跺叕鍙哥殑鏄惧崱锛岃cuda鍜宑udnn鏄痭vidia寮鍙戝嚭鏉ョ殑锛屾墍浠ョ洰鍓嶅彧鏀寔nvidia鑷繁鐨勬樉鍗★紝鑰屼笉鏀寔amd鐨勬樉鍗°
绛旓細intel闆嗘垚鏄惧崱鐢佃剳缁欏姩鎱㈠埗浣滅殑鏁堟灉涓鑸笉澶悊鎯筹紝鍥犱负intel闆嗘垚鏄惧崱鐨勬ц兘杈冧綆锛屾棤娉曟弧瓒冲姩鎱㈠埗浣滅殑楂樿礋鑽烽渶姹傦紝鍙兘浼氬鑷村姩鎱㈠崱椤裤佺敾璐ㄤ綆涓嬫垨鏃犳硶杩愯銆- 濡傛灉鎮ㄦ兂瑕佷娇鐢℅PU杩涜鍔犻燂紝閭ｄ箞鎮ㄩ渶瑕佸畨瑁CUDA鍜宑uDNN锛岃繖鏄疦VIDIA鍏徃寮鍙戠殑涓撻棬鐢ㄤ簬GPU璁＄畻鐨勫钩鍙板拰搴撱備絾鏄紝intel闆嗘垚鏄惧崱涓嶆敮鎸佸畨瑁匔UDA鍜宑u...
绛旓細鍑嗗宸ヤ綔鍦ㄦ寮忓紑濮嬪墠,闇瑕佸仛鍑犱釜鍑嗗宸ヤ綔,涓昏鏄ぇ姒傚厛鐪嬩笅鏂囨。cudaFAQtensorflow鐨勫畨瑁呮枃妗uda-gpu鐨勬敮鎸佸垪琛/璁＄畻鑳藉姏/FAQcudnn5.1鏈夊鐗沜udatookit涓嬭浇椤甸潰CUDA_Installation_Guide_Linux.pdfcudnnUserGuide鏂囨。鐪嬭繃涔嬪悗鎺ヤ笅鏉ュ氨鏄疄闄呭姩鎵嬬殑杩囩▼:1娉ㄥ唽NVIDIAdeveloper鐨勫笎鍙,鍒嗗埆涓嬭浇CUDA鍜宑uDNN1.1涓嬭浇CUDA鎵撳紑cuda...
绛旓細鏌ョ湅鐢佃剳閲CUDA鐨鐗堟湰鏂规硶锛1銆佸湪妗岄潰绌虹櫧澶勭偣鍑诲彸閿紝杩涘叆NVIDIA鎺у埗闈㈡澘銆傚湪鎵撳紑鐨勭獥鍙ｅ乏涓嬭鏈変釜鈥滅郴缁熶俊鎭濓紝鍗曞嚮鍚庡嚭鐜扮獥鍙ｉ夋嫨鈥滅粍浠垛濇爣绛撅紝杩欐椂灏辫兘鐪嬪埌鍚勪釜缁勪欢鐨勭増鏈俊鎭簡銆2銆 涓嬭浇CUDA鏌ョ湅涓庢娴嬪伐鍏凤細CUDA-Z 杞欢 CUDA-Z灏卞儚甯哥敤鐨凣PU-Z锛屽叿浣撳弬鏁版槸閽堝CUDA搴旂敤鏂归潰鐨勪俊鎭紝鏀寔CUDA淇℃伅...
绛旓細瀹冩惌杞藉洓鏍窩ortex-A57澶勭悊鍣紝128鏍窶axwell GPU鍙4GB LPDDR鍐呭瓨锛屾嫢鏈夎冻澶熺殑AI绠楀姏锛屽彲浠ュ苟琛岃繍琛屽涓缁忕綉缁滐紝閫傜敤浜庨渶瑕佸浘鍍忓垎绫汇佺洰鏍囨娴嬨佸垎鍓层佽闊冲鐞嗙瓑鍔熻兘鐨凙I搴旂敤銆傝嫳浼熻揪寮鍙戞澘鍔熻兘浠嬬粛 瀹冩敮鎸丯VIDIA JetPack锛屽叾涓寘鎷敤浜庢繁搴﹀涔狅紝璁＄畻鏈鸿瑙夛紝GPU璁＄畻锛屽濯掍綋澶勭悊锛CUDA锛cuDNN鍜TensorRT绛夎蒋浠跺簱...
绛旓細璇ラ厤缃渶浣庡涓嬶細鏈湴閮ㄧ讲gpt鐨勬渶浣庨厤缃搷浣滅郴缁燂細64浣峀inux銆乄indows鎴朚acOSX锛屽唴瀛橈細鑷冲皯16GBRAM锛涘瓨鍌細鑷冲皯20GB鍙敤纾佺洏绌洪棿锛堝缓璁娇鐢⊿SD锛夛紱鏄惧崱锛氳嚦灏1涓狽VIDIAGPU锛圱ensorFlow鏀寔鐨凣PU鍒楄〃锛夛紱CUDAToolkit锛11.0鎴栨洿楂樼増鏈紱cuDNN锛8.0鎴栨洿楂樼増鏈紱Python锛3.7鎴栨洿楂樼増鏈紱TensorFlow锛2.4.0鎴...
绛旓細GB/绉掔殑杩炴帴鎬ц兘鍜岄珮杈 96 GB 鐨 GDDR6 缁勫悎鏄惧瓨鏉ユ墿灞曟ц兘锛屼粠鑰屼负瓒呭ぇ鍦烘櫙鏂囦欢銆佹覆鏌撱丄I 鎻愪緵澶勭悊鏀寔銆傝屼笖Quadro RTX 8000鏀寔AI浼樺寲鐨勮蒋浠讹紝璇稿娣卞害瀛︿範妗嗘灦Caffe2, MXNet, CNTK, TensorFlow 绛夊彲浠ュぇ骞呭姞蹇缁冩椂闂村苟鎻愰珮澶氳妭鐐硅缁冩晥鑳斤紝GPU 鍔犻熷嚱寮忓簱濡 cuDNN, cuBLAS, 鍜 TensorRT 绛夈
绛旓細鏈涓昏鐨勫彲鑳芥槸GPU鐨勫埄鐢ㄧ巼涓嶈冻銆備緥濡傛垜鐨勬満鍣ㄨ窇fashion mnist锛孏PU鍒╃敤鐜囧彧鏈3%宸﹀彸锛孏PU姣擟PU鎱竴鍊嶃
