CUDNN是英偉達公司（NVIDIA）開發(fā)的一個深度學習加速庫，它基于CUDA技術，可以加速深度學習算法的運行，提高計算效率和速度。CUDNN包含了大量的高性能算法和優(yōu)化技術，可以幫助深度學習開發(fā)者更加高效地訓練和優(yōu)化神經網絡模型。CUDNN支持各種不同的深度學習框架，例如TensorFlow、Caffe、PyTorch等，可以在不同的平臺和設備上運行，例如GPU、CPU等。CUDNN還提供了各種不同的API，例如卷積、池化、歸一化等，可以方便地集成到深度學習應用程序中。總的來說，CUDNN是一個非常強大和實用的深度學習加速庫，可以幫助深度學習開發(fā)者更快地訓練和優(yōu)化神經網絡模型。

CUDNN軟件功能：

     ·支持Volta-GPU架構，包括新的Tesla V100 加速器

      ·協(xié)作組，一個用于管理通信線程組的新編程模型

      ·用于編程Tensor Core矩陣的新型API在Tesla V100上進行乘法或加法的操作

      ·更快的程序庫用于線性代數(shù)，圖像處理，F(xiàn)FT等

      ·在CuSolver和nvGroup中的新算法

      ·新的NVIDIA Visual Profiler支持Volta V100以及改進同一內存的分析功能

      ·提高編譯器性能

      ·在CUDA設備代碼中支持 C++14

      ·擴大開發(fā)平臺和主機編譯器，包括Microsoft Visual Studio 2017, Clang 3.9, PGI17.1和GCC6.x

      CUDA 支持新的NVIDIA Volta 架構

      CUDA 的核心是支持新型Volta架構，特別是GTC 2017推出的新Tesla V100 GPU加速器。

      Tesla V100新的SM(流式多處理器)為深度學習和HPC提供了極高的浮點和整數(shù)性能。新的Volta SM比上一代Pascal設計能效高50%，在相同的功率范圍內可大幅度提升FP32和FP64性能。在深度學習訓練上，有12倍的峰值TFLOPs提升，在深度學習推理上，有6倍提升。通過獨立的并行整數(shù)和浮點數(shù)據(jù)路徑，Volta SM在計算和尋址計算的組合下，對工作負載的效率也更高。Volta的新獨立線程調度能力使得并行線程之間的細粒度同步協(xié)同成為可能。最終，新型的L1 Data Cache 與Shared Memory子系統(tǒng)的結合極大地提升了性能，同時也簡化了編程。

CUDNN軟件的特點如下：

1. 高效性：CUDNN使用了多種高效的算法和優(yōu)化技術，可以提高深度學習算法的運行速度和計算效率。

2. 靈活性：CUDNN支持各種不同的深度學習框架和平臺，可以在不同的設備上運行，并且可以方便地集成到應用程序中。

3. 易用性：CUDNN提供了各種不同的API，例如卷積、池化、歸一化等，可以方便地使用和調用。

4. 可擴展性：CUDNN支持多GPU并行計算，可以提高計算效率和速度。

5. 準確性：CUDNN使用了精確的數(shù)值計算方法，可以保證深度學習算法的準確性和穩(wěn)定性。

總的來說，CUDNN是一個非常強大和實用的深度學習加速庫，可以幫助深度學習開發(fā)者更快地訓練和優(yōu)化神經網絡模型。

CUDNN安裝教程：

1、首先需要確認你的電腦顯卡已經安裝好了驅動并且是支持Cuda的，從本站下載cudnn,我選擇的版本是cuda_10.1.243_426.00_win10.exe

2\安裝的時候建議選擇自定義而不是“精簡”(從下面的英文解釋可以看出，其實這里的精簡寫成完整應該更貼切，他會安裝所有組件并覆蓋現(xiàn)有驅動，然而我并不想安裝全家桶，何況我的官方顯卡驅動比他的新)。

3\如下圖所示，我們只需選擇CUDA項（默認是全選的），這一步之后，會詢問這些組件的安裝路徑，可以直接使用C盤的默認位置，當然我們可以可以自己定義（請記住這些安裝路徑，后面配置環(huán)境變量需要用到）。

環(huán)境變量和測試

檢查系統(tǒng)變量

添加環(huán)境變量后如下圖所示：

可以通過如下指令測試安裝和配置是否成功：

nvcc --version
nvcc -V

輸出結果如下所示:

顯示cuda版本號10.1 V10.1.243，說明安裝成功！

Cudnn 安裝

解壓文件夾，顯示內容如下:

將解壓文件夾cuda目錄下的文件分別復制到cuda安裝目錄下的對應文件夾下面，如下所示:

恭喜你，安裝完成?。?！