torch库和pytorch cuda torch pytorch关系

文章目录

• 摘要
• 1 显卡驱动、CUDA、cuDNN介绍

• 1.1 显卡驱动
• 1.2 CUDA
• 1.3 CUDNN

• 2 形象的说法
• 3 查看显卡驱动

摘要

在配置PyTorch的过程中，显卡驱动、CUDA、cuDNN三者之间的关系、作用以及在众多版本中如何搭配一直困扰着我。虽然网上资料很多，但各说其词，即使最终迈过种种坑成功运行，但脑子里还是一团乱麻。所以回过头来看NVIDIA的官方文档，一方面记录配置过程防止遗忘，另一方面也希望能够帮助有和我一样困惑的童鞋。本人的这个是参考。

1 显卡驱动、CUDA、cuDNN介绍

1.1 显卡驱动

显卡驱动是封装成软件的程序，硬件厂商根据操作系统编写的配置文件。安装成功后成为了操作系统中的一小块代码，它是硬件所对应的软件，有了它，计算机就可以与显卡进行通信，驱使其工作。如果没有显卡驱动，显卡就无法工作.

1.2 CUDA

其是由NVIDIA发明的并行计算平台以及编程模型，它可以显著的提高GPU的计算性能。

1.3 CUDNN

NVIDIA的cuDNN是针对深度神经网络计算的一个GPU加速库，为标准例程提供了高度优化的实现，比如向前、向后卷积，池化，规范化和激活层。其是NVIDIA Deep Learning SDK的一部分。

2 形象的说法

有一个比喻能够更形象的说明CUDA、cuDNN两者的关系：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，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

3 查看显卡驱动

打开显卡的控制面板，如果没有的话，在windows商店下载即可

下面的图表示目前的驱动最高可以安装的CUDA版本