一、深度学习为什么要搭建GPU运算环境?
熟悉深度学习的人都知道,深度学习是需要训练的,所谓的训练就是在成千上万个变量中寻找最佳值的计算,所需计算的数据量异常庞大。CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强,计算能力则位于其次。CPU的运算在遇到大体量的数据时就会耗费大量时间,而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工,用GPU运算则可以大大加快深度学习运算速度,从而减少科研的时间成本。
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。
将CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN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。它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想要在CUDA上运行深度神经网络,就要安装cuDNN,这样才能使GPU进行高速的深度神经网络的工作。
二、搭建GPU运算环境
检查自己的显卡型号,选择适合的CUDA和CUDNN
如图打开NVIDIA控制面板–>系统信息–>找到NVCUDA.DLL
可以看到NVCUDA.DLL 后面产品名称那一列写着NVIDIA CUDA 10.2.95 driver,说明我的显卡支持CUDA10.2及以下版本。
这里我选择了CUDA 10.0版本,因为相较于最新版CUDA 10.2,版本稍低一点会相对稳定点吧!进入NVIDIA官网下载CUDA然后安装可以了。
下图根据提示选择好自己的系统,系统架构,系统版本,下载方式,点击下载的CUDA是最新的!想要下载历史版本的话,需要自己去找,具体百度即可。