深度学习之CUDA+CUDNN详细安装教程

最新推荐文章于 2024-03-22 09:58:22 发布

sokedev

最新推荐文章于 2024-03-22 09:58:22 发布

阅读量4.5k

点赞数 15

分类专栏：深度学习文章标签：深度学习 cuda cudnn

本文链接：https://blog.csdn.net/DreamerZC/article/details/120599278

版权

深度学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1 前言

~~一点自己的想法了，可以跳过去，haha~~~

    在机器学习领域，为了让你的计算机学会某种技能，拥有我们的智慧，然后去做一些有趣的事情，比如去预测以后房子的价格，或者是在国家倡导垃圾分类的大环境下，让机器帮你分类家里的垃圾，亦或者是让机器创作一首歌、一幅画作等，这样的场景想必那是一定是非常震撼的。但这三个方面的应用令我最为感兴趣的就是创作，让机器实现创作，总会让我们得到一些惊奇的作品。
    一个模型往往是异常的复杂，我们可以想象一下在线性拟合中，我们采用的最小二乘法仅仅只涉及两个参数，这其实可以称得上是一个最为基本的模型了，没错这个模型就是一个函数式，你给它一个输入，他就会返回一个对应的值。说到现在的机器学习，无非也就是在找一个函数式，不过这个函数式不在像线性拟合那样简单了，不在只有k、b两个参数要确定了，而可能有成千上万，或者上亿的参数要等我们去确定。难道我们要去真的用手去算这些参数吗，那显然是不现实的，也是不可取的；计算机的发展，让这一切都成为了可能，但单靠CPU的计算还是达不到目的的，近十年来随着机器学习技术的深入研究以及计算机硬件的发展，尤其是在GPU上的发展，使得这一切都变得顺理成章。
    这是一次革命，因为它带动了社会各个行业的发展。在机械工程领域里，它使得机器故障诊断得到了进一步的发展，使得神经网络控制算法得到真正应用；在化学分析领域，它使得化学信息学有了新的研究方法，能够预测化合物潜在性质的模型；此外，在制药领域运用这种现代的方法，就可以很快地找到一种新的药物运用于临床试验等等，还有许多的行业，由于学疏才浅在这里就不过多例举了，但总之一句话，机器学习的出现真的影响了你和我，也真的影响了社会的发展。

---- 这里才真正有用的句子，zizi~ ----

    上面都说了，那个机器学习的模型很庞大，很复杂的，那我们是不是得有个利器，正所谓工艺善其事，必先利其器，看还是传统文化博大精深呀!
    在深度学习中，除了要搞一个好的计算机，要计算得到那个函数式的最佳参数，光靠CPU是不行的，还得靠GPU呀，为什么呢，因为它能并行运算呀，就像你做饭的时候，完全可以同时把衣服给洗了，当然不是用你那双好看的手了，当然得是配上那超强超好用的全自动洗衣机呀！道理就是这么简单，再深入我可就解释不了了，脑瓜子真不行了~
    但光有个GPU这个硬件当然是不行的，为了让它动起来我们首先得驱动它，你的计算机只要有这个NVIDIA的显卡，能正常使用，一般就表明已经成功安装了驱动；那这个CUDA和CUDNN都是些什么东西呀？

下面就让我们一起来解决这个问题和安装这些东西吧~

2 什么是CUDA和CUDNN

2.1 CUDA

先看看百度百科里面是怎么解释的，CUDA(Compute Unified 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。
换句话说CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

在 CUDA 的架构下，一个程序分为两个部份：host 端和 device 端。Host 端是指在 CPU 上执行的部分，而 device 端则是在GPU芯片上执行的部分。Device 端的程序又称为 “kernel”。通常 host 端程序会将数据准备好后，复制到显卡的内存中，再由GPU芯片执行 device 端程序，完成后再由 host 端程序将结果从显卡的内存中取回。[1]