cuda+cudnn

### CUDA 和 CuDNN 的安装配置与使用 #### 关于 CUDA 工具包的获取 对于希望利用 NVIDIA GPU 进行高性能计算的应用开发者而言，CUDA 是一种并行计算平台和编程模型。欲获得适用于特定操作系统的 CUDA 版本，可访问官方提供的下载页面[^1]。 #### 下载适合的操作系统版本 在进入 CUDA Toolkit Archive 页面之后，能够找到多个不同版本的工具包供选择。依据个人需求挑选对应操作系统、架构以及驱动程序版本组合下的安装文件来完成下载工作。 #### 安装过程概述 通常情况下，按照提示逐步执行安装向导即可顺利完成整个流程；然而，在某些特殊场景下可能还需要额外注意环境变量设置等问题以确保后续开发工作的正常开展。具体细节可以参阅随附文档或在线帮助资源获取更详尽指导。 #### 获取 CuDNN 库的方法 CuDNN (NVIDIA Deep Neural Network library) 提供给了针对深层神经网络应用优化过的原语(primitives)，从而加速深度学习框架中的训练及推理速度。为了得到该库，需先注册成为 NVIDIA 开发者计划成员，并通过审核后方可从专属链接处取得最新版次或是历史发行版[^2]。 #### 配置 CuDNN 至现有环境中 一旦成功下载到本地机器上，则应解压缩所获 tarball 文件并将其中包含的内容复制至已有的 CUDA 目录结构内相应位置，比如 `/usr/local/cuda/include` 及 `/usr/local/cuda/lib64/` 等路径之下。最后记得更新 LD_LIBRARY_PATH 环境变量使之指向新加入的共享对象(.so files)[^2]。 #### 测试验证安装成果 可以通过运行简单的测试案例如 `deviceQuery` 或编写一段调用了 cuBLAS API 的 C/C++ 代码片段编译执行来看是否一切运作良好。如果遇到任何问题建议查阅错误日志信息或者参考社区论坛寻求解决方案[^3]。 ```cpp // Example of a simple program using CUDA and cuBLAS APIs. #include <stdio.h> #include <cuda_runtime.h> #include <cublas_v2.h> int main() { float h_A[] = {1.f, 2.f}; float h_C; float *d_A; cudaMalloc(&d_A, sizeof(h_A)); cudaMemcpy(d_A, h_A, sizeof(h_A), cudaMemcpyHostToDevice); cublasHandle_t handle; cublasCreate(&handle); cublasSasum(handle, 2, d_A, 1, &h_C); printf("Sum Absolute Value: %f\n", h_C); cublasDestroy(handle); cudaFree(d_A); return 0; } ```