cudnn

* CUDA与cuDNN * 什么是CUDA * CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题 * 什么是CUDNN * NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。 * 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不会对CUDA造成影响 * 从官方安装指南可以看出，只要把cuDNN文件复制到CUDA的对应文件夹里就可以

torch.backend.cudnn.benchmark 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。 来源： CSDN 作者： qq_19426061 链接： https://blog.csdn.net/qq_19426061/article/details/103547078

我的笔记本配置的是 1050Ti 显卡，所以这里我依照自己的配置选择cuda与cuDNN的版本。本文后续部分主要也是转载 宽长高 博主的。但是与该博主不同的是cudnn我选择的是7.0.4（亲测不能选择 7.4.1版）。 这里附上我自己的tensorflow、CUDA、cuDNN的版本依赖图： 版本查看 1.下载cuda9.0 cuda9.0下载地址： cuda9.0 . 根据要求选择系统和版本进行下载即可 随后会出现对应的cuda安装包和更行包，全部下载再依次安装即可 下载完成后的文件就是这几个 接下来依次进行安装，首先安装最下面那个也就是基础包，然后按照1、2、3、4的顺序依次安装补丁包就行了。 2. 安装cuda9.0 2.1 首先安装cuda_9.0.176_win10_network 之后会检查系统兼容性，需要等一会 兼容性检查完成之后直接下一步就行了 在安装的时候选择自定义安装，取消visual studio这个选项，不取消老是安装失败，好像后面可以怎么设置，我没用到这个所以没管 接下来等着就行了 安装完后就出现这个界面 然后依次安装几个补丁包就行了。 在命令行里输入nvcc -V 能够看到安装的cuda版本就说明安装好了 3.安装cudnn7.0.4 首先在官网上下载cudnn7.0.4 for cuda9.0 cudnn下载地址 . 需要登录了才能下载

@article{hu2016finding, title={Finding Tiny Faces}, author={Hu, Peiyun and Ramanan, Deva}, journal={arXiv preprint arXiv:1612.04402}, year={2016} } 1、首先根据自己的英伟达型号去官网下载对应的英伟达驱动 我的是gtx1050,计算能力是6.1,在默认路径下安装。 2、根据自己安装的matlab版本，下载最新的对应cuda 一定要下载对应matlab版本的cuda,一开始我安装最新cuda8.0出错了，我的matlab是R2016a，重新安装了最新的cuda7.5,安装在默认路径下。 3、配置VS2013+cuda7.5 具体参考http://blog.csdn.NET/listening5/article/details/50240147 4、安装matconvnet 我用来做人脸检测，所以这里配置了Finding Tiny Faces (1)首先下载tiny git clone git@github.com:MarleyLee/tiny.git (2)CPU编译 两个命令： mex -setup vl_compilenn 编译完之后会多了一个mex文件夹，在matlab文件夹下面 编译完之后应该有除了cudnn64_4

一.Pyramid Feature Attention Network for Saliency detection论文的代码运行 代码：https://github.com/CaitinZhao/cvpr2019_Pyramid-Feature-Attention-Network-for-Saliency-detection 环境需求：TF-1.12 with all other dependencies being latest versions works well for me. Tensorflow与Keras版本之间的兼容性 https://docs.floydhub.com/guides/environments/ tensorflow1.12+keras2.2.4 Tensorflow版本与cuDNN CUDA的版本配合 https://www.jianshu.com/p/464fefb5c5d8 当前系统环境是 CUDA 8.0 和 CUDNN 6.0 但Tensorflow1.12要求 CUDA 9.0 和 CUDNN 7.0 报错： ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory 所以要 更换CUDA和CUDNN版本 1