NVIDIA CUDA, CUDNN, MATLAB配置

@NVIDIA 深度学习环境配置

配置NVIDIA GPU以支持MATLAB等计算平台进行并行计算

NVIDIA

NVIDIA 支持并行计算，可提高深度学习的计算效率。
从硬件到软件的链条是：
NVIDIA GPU → NVIDIA Driver → NVIDIA CUDA → NVIDA cuDNN → MATLAB/PyTorch/Tensorflow等深度学习平台
GPU相当于一块土地，Driver相当于地上的水电煤网等基础要素供给，CUDA相当于一个工作台，而CUDNN是基于CUDA的深度学习加速库，因此在CUDA上深度学习加速必须安装CUDNN. 各种深度学习平台相当于一个任务计算舞台。
安装CUDA相当于在GPU显卡硬件上建立一个可用自定义程序使用显卡来做计算的桥梁。GPU Computing SDK，即GPU computing toolkit 是用于计算的工具包。

查看本机的 NVIDIA GPU软硬件配置
在主机“命令提示符”下输入命令 C:\Users\pc>nvidia-smi， 回车即可
或者在MATLAB命令行窗口输入 gpuDevice 命令

第一、 明确自己的GPU型号
方法一：打开机箱查看。
方法二：如上述。
方法三：控制面板/设备管理器/显示器适配器
方法四：NVIDIA控制面板（若已安装）

第二、明确自己所用的深度学习平台及适配的CUDA+CUDNN
% MATLAB可查看网页
https://ww2.mathworks.cn/help/releases/R2021b/parallel-computing/gpu-support-by-release.html
https://ww2.mathworks.cn/help/parallel-computing/gpu-computing-requirements.html
% PyTorch 或 TensorFlow请另行搜索

第三、安装NVIDA Driver
一般已安装。重装可查看
https://www.nvidia.cn/Download/index.aspx?lang=cn
https://www.nvidia.com/Download/index.aspx
https://www.nvidia.com/en-us/geforce/drivers/

第四、安装适配版本的CUDA Toolkit
https://developer.nvidia.com/cuda-toolkit-archive
第五、安装对应版本的cuDNN
https://developer.nvidia.com/rdp/cudnn-archive

% 以上两步的详细说明可参考链接：
https://blog.csdn.net/qq_40968179/article/details/128996692 环境变量设置CUDA_PATH
https://blog.csdn.net/qq_36623004/article/details/127228147 检查安装CUDA-CUDNN成功与否
http://www.taodudu.cc/news/show-4495767.html 安装Visual Studio
https://www.dgrt.cn/news/show-4495767.html?action=onClick
% 在一台主机上安装不同版本的CUDA，须修改 环境变量 CUDA_PATH 才可启用目标版本的CUDA。详情可自行搜索。
https://blog.csdn.net/Fzc_Ztt/article/details/120378444
https://www.cnblogs.com/yuyingblogs/p/16323438.html
https://blog.csdn.net/weixin_39450145/article/details/125630585 环境变量改为目标版本

安装CUDA需先下载安装Visual Studio 2017/2019…
https://visualstudio.microsoft.com/zh-hans/free-developer-offers/
https://visualstudio.microsoft.com/zh-hans/thank-you-downloading-visual-studio/?sku=Community&rel=15

第六、安装MATLAB或PyTorch或TensorFlow
请自行搜索。