前言

        一个针对深度学习应用优化的 GPU 加速库。它提供了高性能、高可靠性的加速算法，旨在加速深度神经网络模型的训练和推理过程。

        cuDNN 提供了一系列优化的基本算法和函数，包括卷积、池化、规范化、激活函数等，以及针对深度学习任务的高级功能，如循环神经网络（RNN）的支持。这些算法和函数充分利用了 NVIDIA GPU 的并行计算能力，提供了显著的性能加速。

        cuDNN 不仅可以用于传统的深度学习框架（如 TensorFlow、PyTorch、Caffe 等），还可以与 NVIDIA 的深度学习库 TensorRT 集成，实现深度学习模型的端到端优化和部署。

        使用 cuDNN 可以极大地提高深度学习训练和推理的速度和效率，减少模型的开发时间和运行成本。它广泛应用于各种领域的深度学习任务，如计算机视觉、自然语言处理、语音识别等。

        需要注意的是，cuDNN 是一个专门针对 NVIDIA GPU 的加速库，因此只能在支持 CUDA 的 GPU 上进行使用。并且，cuDNN 需要与适当版本的 NVIDIA 显卡驱动和 CUDA 工具包一起安装和配置才能发挥最佳性能。

        本篇文章单独讲解cudnn的安装，因为该方法适用于99%的Linux系统，在安装cudnn之前需要先安装cuda，cuda的安装请在Linux专栏查看我之前的文章。

cudnn安装

1、下载对应的cudnn版本

nvidia官网可以下载，但是需要进行注册登陆且下载非常的缓慢，可以在文章后进行下载。

从上图可以看到，有非常多的包，如何去下载自己需要的包呢？其中：

12.x        # 代表支持cuda12的任意版本

11.x        # 代表支持cuda11.0到11.8的任意版本

所以，只需要根据安装的cuda版本选择任意相应的版本即可。

2、以cudnn v8.8.1 for CUDA 11.x为例进行安装

下载tar.xz包后，使用tar命令进行解压

tar -xvf cudnn-linux-x86_64-8.8.1.3_cuda11-archive.tar.xz

解压后，进入解压后的目录：

cd cudnn-linux-x86_64-8.8.1.3_cuda11-archive

拷贝文件include和lib文件到cuda中：

cp  -P  cudnn-linux-x86_64-8.8.1.3_cuda11-archive/lib/*   /usr/local/cuda/lib64/

cp  -P  cudnn-linux-x86_64-8.8.1.3_cuda11-archive/include/*  /usr/local/cuda/include/

完毕！！！

        到此，linux系统的cudnn就已经安装完成，安装很简单方便，唯一就是下载cudnn的包比较麻烦，这里提供目前8.8.0以上的所有tar.xz的安装包下载地址，如需其他版本的，请在评论区留言或私信我。

12.x的下载地址：

cudnn-linux-x86-64-8.9.0.131-cuda12-archive.tar.xz资源

cudnn-linux-x86-64-8.8.1.3-cuda12-archive.tar.xz资源

11.x的下载地址：

cudnn-linux-x86-64-8.9.0.131-cuda11-archive.tar.xz资源

cudnn-linux-x86-64-8.8.1.3-cuda11-archive.tar.xz资源