深度学习环境配置---显卡驱动、pytorch、cuda和cudnn之间的配置关系

目录

1. 显卡驱动

2.cuda

3.cudnn

4.pytorch

---

简单的关系如下图：

1. 显卡驱动

显卡驱动是电脑上服务于显卡的驱动程序，有了显卡驱动显卡的功能才能被最大化利用！

显卡驱动的作用就是用来驱动显卡的，这是电脑硬件中所对应的一个软件。通过添加驱动程序计算机中的硬件就能正常的工作，当然不同的硬件使用的驱动程序也不一样。显卡对应的就是显卡驱动。显卡在电脑中提供图形的重要显示部分，直接关系到电脑的图形显示，而且显卡还可以提供更清晰的画质，给用户带来视频体验。显卡驱动的作用就是为了给电脑里面的显卡提供的软件，确保显卡可以正常的工作。没有显卡驱动显卡不能运行，电脑屏幕也不会显示。

显卡驱动安装地址：（可能要先登陆才能下载）

NVIDIA 驱动程序下载 - 高级搜索

直接搜索对应电脑上的显卡版本号就行~

如果要用于深度学习计算，则需要显卡驱动与cuda相匹配，其对应版本如下图：

2.cuda

统一计算设备架构（Compute Unified Device Architecture, CUDA），是由NVIDIA推出的通用并行计算架构。解决的是用更加廉价的设备资源，实现更高效的并行计算。和中央处理器（Central Processing Unit, CPU）相对，图形处理器（Graphics Processing Unit, GPU）是显卡的核心芯片。而cuda正是英伟达开发的GPU的编程接口！

可以说有了cuda才能真正实现并行计算（编程）的愿望~

cuda下载地址：（可能要先登陆才能下载）

CUDA Toolkit Archive | NVIDIA Developer

当然cuda和cudnn也是有一定的对应关系的：

3.cudnn

cudnn可以被看作是人工智能深度学习计算的加速工具包。

cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。.如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。总结来说，CPU适合串行计算，擅长逻辑控制。GPU擅长并行高强度并行计算，适用于AI算法的训练学习！

CUDA与CUDNN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

cudnn下载地址：

cuDNN Archive | NVIDIA Developer

4.pytorch

pytorch中关键的轮子就是torch和torchvision，它们就像是一对孪生兄弟，是pytorch框架下必须要安装的，而且有非常严格的版本对应关系！同时与python也有很严格的对应关系！

它们具体的对应关系如下：

torch下载地址：（选择自己的轮子下载即可！）

torch和torchvision离线下载网站

以上便是入门深度学习首先要踩得也是必须过的第一道门槛---复杂的环境配置过程，不过熟悉之后安装就好多了！