【深度学习环境搭建<前言>】GPU、NVidia Driver、CUDA和cuDNN之间的对应关系

0x00 前言

从事深度学习领域一年,复现和自己实现过几个深度学习项目,对深度学习项目的环境有很大的感触。它确实可以称得上是入门深度学习的第一道门槛。但是现在回头看看,其实深度学习对于环境的需求,也无非就一个:用GPU加速程序
那么我们服务器中有了GPU,怎么搭建一个深度学习环境呢?接下来的几篇,我将手把手教你搭建深度学习环境~

0x01 GPU、Nvidia Driver 、CUDA和cuDNN 的关系

从实际问题讲解四者的关系
  • 一个深度学习项目,涉及到的运算特别特别的多。如果单纯的用CPU跑,一个中等的程序,可能得跑个半个多月甚至更长。这时,GPU就派上用场了。顾名思义,其实GPU相当于一个比CPU聪明百倍的“人”。

  • 但是GPU是一个硬件,我们不可能在一个高级语言写的程序里去直接调用一个硬件吧。这时候,驱动就要派上用场了,因为我用的是NvidiaGPU,所以需要使用的就是NVIdia Driver

  • 有了Nvidia Driver, 就可以去调用GPU了,但是怎么去并行调用,怎么去分配GPU资源对程序员来说又是一个难缠的问题。这时,CUDA,通用的并行计算架构就应运而生了。它基于GPUNvidia Driver,是使用GPU变得轻松且优雅。当然,后面针对特定需求,也在特定的方面进行了加强,比如cuDNN,它是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算

    总结一下就是说,如果要运行一个CUDA程序,该系统需要满足以下四个条件:

    • GPU
    • Nvider Driver
    • CUDA
    • cuDNN
四者之间的版本约束问题
  1. GPU 和 Nvidia Driver 的关系

    该网站中,填写相应的GPU信息,就可以获得其满足的所有Nvidia Driver 版本

    下载最新版官方 GeForce 驱动程序

  2. Nvidia Driver 和 CUDA 的关系

    两者的兼容性问题(官网详解,下面是我自己的提炼总结)

    • 10.0之前:向后兼容
      在这里插入图片描述

    • 10.0之后:向前兼容和向后兼容
      向前兼容对应情况如下, 参考自官网
      在这里插入图片描述
      向后兼容对应情况如下:
      在这里插入图片描述

    注:30 系列显卡是新一代架构,新驱动不支持 cuda 9 以及 cuda 10,所以必须安装 cuda 11

  3. CUDA和cuDNN的关系
    这个比较简单,下载cuDNN时都会跟随对应的CUDA版本,后面会详细介绍

0x02 一些闲话

本人创建了一个公众号,分享科研路上的小问题,新发现,欢迎关注公众号,给我留言!!!
一起奋发向上,攻克难题吧~~

在这里插入图片描述

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

淮左青衣

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值