GPU硬件加速技术有哪些 硬件gpu加速计划

背景：

最近进入到深度学习的行列中，由于笔记本带有独显，并且在网上看到许多博客都说深度学习通过GPU加速可以提高训练的速度，所以我就在想我也不能浪费了我的独显，最后决定尝试配置CUDA和cuDNN来体验一下GPU加速带来的乐趣。

配置：

系统：Windows10 2004
内存：16GB
处理器：Intel® Core™ i7-9750H CPU @ 2.60GHz
图形卡：NVIDIA GeForce RTX 2060
集成开发环境：PyCharm 2020.2.1
Python版本：3.8.5
TensorFlow版本：2.3.0
Keras版本：2.4.3（我学习的是Keras所以把它的版本也放上来了。）

注意事项：

我看到许多博客都说需要配置环境变量，但是我通过实践发现，并不需要配置环境变量！
在开始安装CUDA和cuDNN前，最好先把显卡驱动更新到最新版本。
查看自己的GPU是否支持CUDA可以在这个网址中查看：https://developer.nvidia.com/cuda-gpus

查看TensorFlow支持的CUDA和cuDNN版本（更新）：

网址：https://tensorflow.google.cn/install/gpu

查看TensorFlow支持的CUDA版本：

为什么我把这个放在第一步呢？是因为我在这一步中吃了一次大亏，因为没有注意到TensorFlow支持的CUDA版本，而安装了暂时还不支持的CUDA最新版。

我们可以运行一个深度学习的项目，看到下面一行红色的字：

这段文字的意思是没有找到动态链接库’cudart64_101.dll’，我们可以看到动态链接库的名字是“cudart64_101”，我们可以理解成它支持的是CUDA101也就是CUDA的v10.1版本。

结论的由来：我第一次安装的时候安装了CUDA的v11.0版本，而我在安装目录中看到了’cudart64_110.dll’，没有看到所谓的’cudart64_101.dll’，所以我就觉得自己是安装错了CUDA的版本了，后来安装CUDA的v10.1版本后在安装目录中就找到了’cudart64_101.dll’，问题得到了解决！

查看TensorFlow支持的cuDNN版本：

为什么我把这个放在第二步呢？对的没有错，因为我在这一步也吃了一次大亏，因为没有注意到TensorFlow支持的cuDNN版本，而下载了暂时还不支持的cuDNN最新版。

我们可以运行一个深度学习的项目，看到下面一行红色的字：

这段文字的意思是没有找到动态链接库’cudnn64_7.dll’，我们可以看到动态链接库的名字是’cudnn64_7’，我们可以理解成它支持的是cuDNN7也就是cuDNN的v7版本。

结论的由来：我第一次复制的时候复制了cuDNN的v8版本，而我在复制目录中看到了’cudnn64_8.dll’，没有看到所谓的’cudnn64_7.dll’，所以我就觉得自己是复制错了cuDNN的版本，后来复制了cuDNN的v7版本后，问题得到了解决！

安装CUDA：

网址：https://developer.nvidia.com/cuda-zone

进入首页点击“ Download Now ”。

到这一页，点击“Legacy Releases ”寻找自己要下载的CUDA版本。（不推荐直接下载最新版本，因为TensorFlow不一定会支持CUDA的最新版本。）

在我上面提到的配置中适用“CUDA Toolkit 10.1 ”所以我下载这个。

选择好自己的系统版本等信息后，点击下载即可。

这里提供了在线安装和离线安装两个选项，我这里选择的是在线安装。

双击打开即可。

安装步骤：

1. 双击打开。
2. 可以什么都不更改，默认下一步。
3. 有一个页面我们可以选择“精简”还是“自定义”，这里的精简实质上指的是默认全部安装，可能是让我们用户操作上比较简单，所以翻译成精简吧。如果要安装所有组件的话，直接默认第一个“精简”的选项就可以了。
4. 我的是在线安装，所以需要等待下载。
5. 下载完毕后自动安装，安装成功后结束即可。

安装cuDNN：

网址：https://developer.nvidia.com/cudnn

下载cuDNN需要登陆NVIDIA账号，并且第一次下载的时候需要填写一些信息和问卷。

需要先同意他的条款，然后这里我需要安装的是cuDNN v7版本，而不是最新的v8版本，所以选择“Archived cuDNN Releases ”。

在这里需要注意的是cuDNN版本和CUDA版本应该对应上，例如我安装的是CUDA的v10.1版本，所以选择“Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1”。

因为我的是Windows10系统所以选择“cuDNN Library for Windows 10”，下载即可。

下载后是一个压缩文件。

然后我们解压这个压缩文件，可以看到里面有“bin”，“include”和“lib”三个文件夹。

我们来到CUDA的安装目录也可以看到三个同名的文件夹，将cuDNN中“bin”，“include”和“lib”三个文件夹的文件复制到对应的CUDA安装目录下同名的文件夹中即可。

我的CUDA安装目录是：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1”大家仅供参考。

再次强调：不需要配置任何变量环境！！！

安装完成开始测试：

完成上面的所有步骤后，可以尝试运行深度学习项目。

这里是我的演示，可以看到已经“专用GPU内存利用率”已经再项目运行中跑到了非常高的占用。

开始GPU加速的快乐吧！