CUDA和cuDNN的安装

参考资料：https://zhuanlan.zhihu.com/p/83971195

CUDA和cuDNN介绍

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

需要注意的是，CUDA和cuDNN是英伟达显卡对应的，若不是英伟达显卡则不行。
CUDA和cuDNN简单的来说就是再训练深度学习模型的时候用来加速的，CUDA安装后cuDNN也可以不用安装看个人习惯。

安装

nvidia-smi //看其显卡对应的型号的CUDA
1

CUDA网址：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN网址：https://developer.nvidia.com/rdp/cudnn-archive
详细的教程看：https://blog.csdn.net/EnochChen_/article/details/127867036
https://blog.csdn.net/m0_66420727/article/details/127824595
有两种安装方法：

• 就按照上面的进入官网下载安装包安装。
• 就是进去pytorch官网进行安装。https://pytorch.org/get-started/previous-versions/在官网下载对应版本的CUDA和pytorch。这里下载的是pytorch和CUDA一块下载了。(注意这里下载的pytorch就是GPU版本)

验证

CUDA否安装成功

检测CUDA能否访问GPU

import torch
torch.cuda.is_available()   # 检查cuda是否可用返回true说明可以
torch.version.cuda          # 查看cuda版本
1
2
3

检测cuDNN能否访问GPU

from torch
torch.backends.cudnn.is_available()  # 检查cudnn是否可用返回true说明可以
torch.backends.cudnn.version()       # 查看cudnn版本
1
2
3

若不能CUDA不能访问GPU可能是pytorch版本和CUDA版本不匹配问题。
这篇文章也不错:https://blog.csdn.net/PSpiritV/article/details/123796341