pytorch基础---cudnn.benchmark和cudnn.deterministic以及如何禁用cudnn

使用cudnn.benchmark和cudnn.deterministic

在很多情况下我们都能看到代码里有这样一行：

torch.backends.cudnn.benchmark = true

而且大家都说这样可以增加程序的运行效率。那到底有没有这样的效果，或者什么情况下应该这样做呢？

解决办法
总的来说，大部分情况下，设置这个 flag 可以让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法，来达到优化运行效率的问题。

一般来讲，应该遵循以下准则：

• 如果网络的输入数据维度或类型上变化不大，设置 torch.backends.cudnn.benchmark = true
  可以增加运行效率；
• 如果网络的输入数据在每次 iteration 都变化的话，会导致 cnDNN 每次都会去寻找一遍最优配置，这样反而会降低运行效率。

禁用cudnn

CUDNN_STATUS_EXECUTION_FAILED
问题代码:
无
错误信息:
RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED
解决方法:
在网络后面增加:torch.backends.cudnn.enabled=False