机器学习入门（第三篇，cuda与cudnn安装）

安装cuda。

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台，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。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能。而所谓的GPU，则是图形处理器（graphics processing unit），又称视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器。GPU则是安装在显卡上的核心芯片，使显卡减少了对CPU的依赖，并进行部分原本CPU的工作。
首先安装个人电脑显卡所支持的cuda版本，首先需查看NVDIA驱动版本：右键单击“此电脑”=》属性=》设备管理器=》显示适配器，查看NVDIA显卡的属性。

 开始安装，可以从Edge浏览器进行搜索CUDA，在其官网上之间进行下载，或点击此链接进行下载：CUDA Toolkit 11.7 Update 1 Downloads | NVIDIA Developer。建议不要下载太新的版本，不然电脑显卡跟不上。安装包下载完成后，点击安装包进行安装，首先安装时遇到这个界面会默认路径为C盘，但是不建议修改路径，因为这是NVIDIA插件搜索的默认路径，需要活得NVIDIA显卡的支持，修改后可能无法正常安装。

待安装完成后，会进行兼容性检查，选择自定义安装。

之后可自己建立文件夹进行安装，但前两项建议安装在同一个子文件夹下（如CUDA1），最后一项安装在另外的一个子文件夹（如CUDA   2）

 

完成安装后则进入命令行中输入 nvcc -V来查看cuda是否安装成功，如出现以下信息，则说明已完成。

 cudnn的安装

NVIDIA CUDA® 深度神经网络库 (cuDNN) 是一个 GPU 加速的深度神经网络基元库，能够以高度优化的方式实现标准例程（如前向和反向卷积、池化层、归一化和激活层）。全球的深度学习研究人员和框架开发者都依赖 cuDNN 来实现高性能 GPU 加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。

点击链接前往下载：cuDNN Archive | NVIDIA Developer 注意下载的版本要与CUDA的版本匹配。

 注意一定要对应CUDA的发行版本以及发行时间（因为cuda属于开源项目，更新很快，几乎几个月就有一次改动）。另外，点击下载后会提示你注册NVIDIA的账号，根据流程完成注册之后，返回页面才能下载。完成下载之后。

下载完成后将文件夹解压， 将前三个文件夹进行拷贝到之前建立的名为CUDA1的文件夹中（直接进行ctrl+V即可），这样就完成了安装。