（請先看置頂博文）本博打開方式！！！請詳讀！！！請詳讀！！！請詳讀！！！_Cat-CSDN博客

目錄

（請先看置頂博文）本博打開方式！！！請詳讀！！！請詳讀！！！請詳讀！！！_Cat-CSDN博客

一、顯卡和GPU的關系

二、CUDA是什么？

三、cuDNN是什么？

四、cuDNN的安裝過程?

1、下載cuDNN

2、安裝cuDNN

3、檢驗CUDA是否被cuDNN影響

A、查看CUDA版本

B、運行CUDA的測試文件

---

一、顯卡和GPU的關系

???????顯卡又叫“顯示卡”、“顯示適配器”，是個人計算機（Personal Computer）的組成部分之一，啟到控制顯示器正確顯示的作用，基本功能（原理）就是將模擬信號轉換為電信號。市場主流的顯卡大多都是NVIDIA（英偉達）和AMD（超微半導體）這兩個公司設生產的，分別被簡稱為N卡和A卡（N&A就是取自各自公司英文首字母）。

???????顯卡的結構為：電容、顯存、顯示芯片、風扇、各類接口等。其中顯存全稱為“顯示存儲器”，和計算機中的存儲器相似，負責存儲顯示芯片需要處理的各種數據，其容量的大小，性能的高低，直接影響著電腦的顯示效果；顯示芯片就是深度學習中經常提到的GPU或者VPU（或被稱作圖形處理器），負責并行計算工作，工作時產生的熱量由風扇負責排除；各類接口負責輸入輸出和橋接。

???????顯卡分為三個種類：集成顯卡、獨立顯卡、核芯顯卡。集成顯卡顧名思義就是集成，將顯示芯片、顯存等都集成在主板上，性能偏差。這就意味著散熱低、功耗低。獨立顯卡就是獨立出來，顯示芯片、顯存等都在一塊電路板上（顯卡），然后插在主板上，特點是功耗大、散熱大，性能強，常作為游戲卡和專業卡。核芯顯卡是將圖形核心集成在處理核心上的顯卡，構成一個完整的處理器。這里我們因為要進行深度學習，所以更多關注N卡。

? ? ? ? 眾所周知，獨立顯卡中的GPU具有并行計算能力，所以常用來進行圖像處理。經常聽到的描述顯卡性能好壞的名詞“算力”是怎么一回事呢？先來看一下算力的單位TFLOPS，每秒鐘可以完成幾萬億次單精度運算。早期是以單精度（也即float）的運算能力峰值作為（宣傳）指標，現在也見過以半精度浮點計算能力對各大主流GPU進行排行的，當然也有雙精度的。除了算力以外，還有一個衡量顯卡性能的指標，那就是帶寬，從顯存讀取數據的速度，這個指標的大小與位寬、頻率相關。

????????所以，顯卡和GPU的關系是：GPU是顯卡上的一塊芯片，是其重要組成部分，而顯卡是包含GPU的一塊集成電路板，GPU不等于顯卡。另外性能卓越的GPU的核數一般有很多，被稱為眾核，非常適合在眾多核心中執行相同的指令流

二、CUDA是什么？

???????CUDA（Compute Unified Device Architecture）是英偉達公司開發的基于自家顯卡的、基于新的并行編程模型和指令集架構的通用計算架構，讓用戶通過此架構充分利用N卡的GPU進行復雜高效的并行計算，如進行深度學習。?

三、cuDNN是什么？

???????cuDNN是用于深度神經網絡的GPU加速庫，具有高性能、易使用、低內存等特點，可以以插入式的方式集成到更高級別的機器學習框架中，從而讓技術人員專注于設計神經網絡結構（模型），而不是費勁腦汁提高性能。那既然是插入式集成，cuDNN的安裝步驟是什么呢？

四、cuDNN的安裝過程?

1、下載cuDNN

???????因為之前的博文“目標檢測第3步”下載的CUDA版本是11.1，那么我們就要找到與CUDA11.1版本對應的cuDNN版本。地址為：cuDNN Archive | NVIDIA Developer

2、安裝cuDNN

下載到的cuDNN文件是一個壓縮包，解壓縮之后會出現如下文件夾：

接下來需要將解壓出來的這三個文件夾中的文件分別拷貝到CUDA對應的文件夾里，打開CUDA的安裝目錄：

到此為止，cuDNN已經成功的安裝到了CUDA的內部。因為我們安裝了cuDNN，所以有必要按照上一篇博文中提到的檢驗方法，再次對CUDA進行檢驗。

3、檢驗CUDA是否被cuDNN影響

A、查看CUDA版本

win+R，輸入cmd。在里面輸入“nvcc -V”或者“nvcc --version”，如果出現以下截圖即可證明CUDA安裝成功：

B、運行CUDA的測試文件

打開CUDA的安裝目錄，找到如下截圖的兩個文件：

?

?以上兩張截圖末尾的Result均為pass狀態，所以，我們剛才安裝的cuDNN不會對原有的CUDA造成影響。

總結：顯卡、GPU、CUDA、cuDNN的使用是一個需求逐漸提升的過程。小時候，喜歡玩大型網絡游戲，原有的集成顯卡無法滿足游戲要求，那么就得要求有好的顯卡，并且要有適配的顯卡驅動。大了之后，學習了計算機視覺，需要使用GPU進行復雜的計算及推理，這樣的情況下我們知道了GPU。隨著學習的深入，原來GPU的簡單操作無法滿足我們對于深度學習中的網絡性能時，CUDA出現在我們的面前。最后我們開始進行深度神經網絡的學習了，CUDA對GPU的加持也無法滿足我們的需求了，我們引入了注重性能的cuDNN。

總結

以上是生活随笔為你收集整理的目标检测第4步：显卡、GPU、CUDA、cuDNN的介绍及如何在Windows 10下安装cuDNN？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。