CUDNN官方版

CUDNN是英伟达公司（NVIDIA）开发的一个深度学习加速库，它基于CUDA技术，可以加速深度学习算法的运行，提高计算效率和速度。CUDNN包含了大量的高性能算法和优化技术，可以帮助深度学习开发者更加高效地训练和优化神经网络模型。CUDNN支持各种不同的深度学习框架，例如TensorFlow、Caffe、PyTorch等，可以在不同的平台和设备上运行，例如GPU、CPU等。CUDNN还提供了各种不同的API，例如卷积、池化、归一化等，可以方便地集成到深度学习应用程序中。总的来说，CUDNN是一个非常强大和实用的深度学习加速库，可以帮助深度学习开发者更快地训练和优化神经网络模型。

CUDNN软件功能：

     ·支持Volta-GPU架构，包括新的Tesla V100 加速器

      ·协作组，一个用于管理通信线程组的新编程模型

      ·用于编程Tensor Core矩阵的新型API在Tesla V100上进行乘法或加法的操作

      ·更快的程序库用于线性代数，图像处理，FFT等

      ·在CuSolver和nvGroup中的新算法

      ·新的NVIDIA Visual Profiler支持Volta V100以及改进同一内存的分析功能

      ·提高编译器性能

      ·在CUDA设备代码中支持 C++14

      ·扩大开发平台和主机编译器，包括Microsoft Visual Studio 2017, Clang 3.9, PGI17.1和GCC6.x

      CUDA 支持新的NVIDIA Volta 架构

      CUDA 的核心是支持新型Volta架构，特别是GTC 2017推出的新Tesla V100 GPU加速器。

      Tesla V100新的SM(流式多处理器)为深度学习和HPC提供了极高的浮点和整数性能。新的Volta SM比上一代Pascal设计能效高50%，在相同的功率范围内可大幅度提升FP32和FP64性能。在深度学习训练上，有12倍的峰值TFLOPs提升，在深度学习推理上，有6倍提升。通过独立的并行整数和浮点数据路径，Volta SM在计算和寻址计算的组合下，对工作负载的效率也更高。Volta的新独立线程调度能力使得并行线程之间的细粒度同步协同成为可能。最终，新型的L1 Data Cache 与Shared Memory子系统的结合极大地提升了性能，同时也简化了编程。

CUDNN软件的特点如下：

1. 高效性：CUDNN使用了多种高效的算法和优化技术，可以提高深度学习算法的运行速度和计算效率。

2. 灵活性：CUDNN支持各种不同的深度学习框架和平台，可以在不同的设备上运行，并且可以方便地集成到应用程序中。

3. 易用性：CUDNN提供了各种不同的API，例如卷积、池化、归一化等，可以方便地使用和调用。

4. 可扩展性：CUDNN支持多GPU并行计算，可以提高计算效率和速度。

5. 准确性：CUDNN使用了精确的数值计算方法，可以保证深度学习算法的准确性和稳定性。

总的来说，CUDNN是一个非常强大和实用的深度学习加速库，可以帮助深度学习开发者更快地训练和优化神经网络模型。

CUDNN安装教程：

1、首先需要确认你的电脑显卡已经安装好了驱动并且是支持Cuda的，从本站下载cudnn,我选择的版本是cuda_10.1.243_426.00_win10.exe

2\安装的时候建议选择自定义而不是“精简”(从下面的英文解释可以看出，其实这里的精简写成完整应该更贴切，他会安装所有组件并覆盖现有驱动，然而我并不想安装全家桶，何况我的官方显卡驱动比他的新)。

3\如下图所示，我们只需选择CUDA项（默认是全选的），这一步之后，会询问这些组件的安装路径，可以直接使用C盘的默认位置，当然我们可以可以自己定义（请记住这些安装路径，后面配置环境变量需要用到）。

环境变量和测试

检查系统变量

添加环境变量后如下图所示：

可以通过如下指令测试安装和配置是否成功：

nvcc --version
nvcc -V

输出结果如下所示:

显示cuda版本号10.1 V10.1.243，说明安装成功！

Cudnn 安装

解压文件夹，显示内容如下:

将解压文件夹cuda目录下的文件分别复制到cuda安装目录下的对应文件夹下面，如下所示:

恭喜你，安装完成！！！