cudnn的全稱為nvidia cuda® deep neural network library，是nvidia專門針對深度神經網路（deep neural networks）中的基礎操作而設計基於gpu的加速庫。cudnn為深度神經網路中的標準流程提供了高度優化的實現方式，例如convolution、pooling、normalization以及activation layers的前向以及後向過程。
。基本上所有的深度學習框架都支援cudnn這一加速工具，例如：caffe、caffe2、tensorflow、torch、pytorch、theano等。
caffe可以通過修改makefile.config中的相應選項來修改是否在編譯caffe的過程中編譯cudnn，如果沒有編譯cudnn的話，執行一些基於caffe這一深度學習框架的程式速度上要慢3-5倍（caffe官網上說不差多少，明明差很多嘛）。caffe對cudnn的版本不是很嚴格，只要大於cudnn 4就可以。
tensorflow目前的版本r1.2，強行要求裝cudnn，而且對版本也有相應的限制（cudnn 5.1）。不過就官方說明看，tensorflow將在下乙個版本r1.3中加入對cudnn 6.0的支援。
torch通過luajit可以自動檢測目前系統中的cudnn版本來進行相應的編譯（如沒有cudnn，也可在進行torch的安裝）。
首先說一下網上大多數中文安裝cudnn教程的錯誤方式，這種方式真的坑人無數。
下面我們說一下正確的安裝cudnn方式，其實跟著官方安裝說明進行安裝就可以了。
從如果這個壓縮包不是.tgz格式的，把這個壓縮包重新命名為.tgz格式。解壓當前的.tgz格式的軟體包到系統中的任意路徑（這個路徑很重要，以下將該路徑的絕對路徑簡稱為/your/path/to/cudnn），解壓後的資料夾名為cuda，資料夾中包含兩個資料夾：乙個為include，另乙個為lib64。
例如：我將這個壓縮包解壓在了/usr/local目錄下，那麼該檔案的絕對路徑為/usr/local/cuda
將解壓後的檔案中的lib64資料夾關聯到環境變數中。這一步很重要。
cd
~ sudo
gedit .bashrc
export
ld_library_path=/your/path/to/cudnn/lib64:$ld_library_path
儲存更改的檔案後，緊接著：
source
.bashrc
配置cudnn的最後一步就是將解壓後的cudnn資料夾（一般該檔名為cuda）中的include資料夾（/your/path/to/cudnn/include）中的cudnn.h檔案拷貝到/usr/local/cuda/include中，由於進入了系統路徑，因此執行該操作時需要獲取管理員許可權。
開啟終端，進入/your/path/to/cudnn/include。其中/your/path/to/cudnn/include指的是.tgz解壓後的檔案所在路徑中的include資料夾。例如：
cd cuda/include
sudo cp *.h /usr/local
/cuda/include
/
之後，再重置cudnn.h檔案的讀寫許可權：
sudo chmod a+r /usr/local
/cuda/include
/cudnn.h
安裝node sass正確姿勢
windows下面安裝node sass，確實令人頭痛，正確姿勢如下 檢視映象 npm命令 npm config get registry yarn命令 yarn config get registry修改為 映象 npm命令 npm config set registry yarn命令 yarn ...
Nginx的正確安裝姿勢
1.需要安裝gcc的環境 yum install gcc c 2.pcre perl compatible regular expressions 是乙個 perl 庫 yum install y pcre pcre devel 3.zlib 庫提供了很多種壓縮和解壓縮的方式 yum install...
Python爬蟲 最正確的入門姿勢
一提到python爬蟲，人人都想使用知名框架beautiful soup或是scrapy，新手貿然進入，必是學的雲裡霧裡，即使能夠爬到資料，也根本不知其所以然！想學習爬蟲，html5 tag ajax，get，post是繞不過的，但是並不需要一開始就完全掌握。當你需要使用到時去網上學習即可！impo...