安装CuDNN只需要将文件放在CUDA目录中。如果你在安装caffe时正确地指定了路由和CuDNN选项，它将被CuDNN编译。

你可以使用cmake来检查。创建一个目录caffe/build并从那里运行cmake ..。如果配置正确，你会看到这些行:

-- Found cuDNN (include: /usr/local/cuda-7.0/include, library: /usr/local/cuda-7.0/lib64/libcudnn.so)


-- NVIDIA CUDA:
--   Target GPU(s)     :   Auto
--   GPU arch(s)       :   sm_30
--   cuDNN             :   Yes

如果一切正确，只需运行make命令从那里安装caffe。

安装CuDNN只是复制一些文件。因此，要检查是否安装了CuDNN(以及您使用的是哪个版本)，只需检查这些文件。

安装CuDNN

第一步:注册一个nvidia开发者帐户和下载cudnn(大约80 MB)。你可能需要nvcc --version来获得你的cuda版本。

步骤2:检查cuda的安装位置。对于大多数人来说，它将是/usr/local/cuda/。你可以用which nvcc检查它。

第三步:复制文件:

$ cd folder/extracted/contents
$ sudo cp include/cudnn.h /usr/local/cuda/include
$ sudo cp lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

检查版本

你可能需要调整路径。请参见安装的步骤2。

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

在后来的版本中，这可能是以下内容(credit to 阿里斯)

$ cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

笔记

当你得到一个错误

F tensorflow/stream_executor/cuda/cuda_dnn.cc:427] could not set cudnn filter descriptor: CUDNN_STATUS_BAD_PARAM

对于TensorFlow，你可以考虑使用CuDNN v4而不是v5。

通过apt安装的Ubuntu用户: https://askubuntu.com/a/767270/10425

我的回答展示了如何检查安装的CuDNN版本，这通常也是您想要验证的东西。首先需要找到已安装的cudn文件，然后解析该文件。要查找文件，您可以使用:

whereis cudnn.h
CUDNN_H_PATH=$(whereis cudnn.h)

如果不奏效，请参阅“红帽分布”;在下面。

一旦你找到了这个位置，你就可以执行以下操作(用路径替换${CUDNN_H_PATH}):

cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2

结果应该是这样的:

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

这意味着版本是7.5.0。

安装nvidia-cuda-toolkit

这种安装方法将cuda安装在/usr/include和/usr/lib/cuda/lib64中，因此你需要查看的文件在/usr/include/cudnn.h中

CUDNN_H_PATH=/usr/include/cudnn.h
cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2

Debian和Ubuntu

从CuDNN v5开始(至少当你通过sudo dpkg -i <library_name>.deb包安装时)，看起来你可能需要使用以下:

cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2

例如:

$ cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR      6
#define CUDNN_MINOR      0
#define CUDNN_PATCHLEVEL 21
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)


#include "driver_types.h"
                      

表示安装了6.0.21版本的CuDNN。

Redhat分布

在CentOS上，我找到了CUDA的位置:

$ whereis cuda
cuda: /usr/local/cuda

然后我使用了我从这个位置找到的cudnn.h文件上的程序:

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

要检查CUDA的安装，运行以下命令，如果正确安装，下面的命令将不会抛出任何错误，并将打印正确的库版本。

function lib_installed() { /sbin/ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep $1; }
function check() { lib_installed $1 && echo "$1 is installed" || echo "ERROR: $1 is NOT installed"; }
check libcuda
check libcudart

要检查CuDNN的安装，运行以下命令，如果CuDNN安装正确，那么你将不会得到任何错误。

function lib_installed() { /sbin/ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep $1; }
function check() { lib_installed $1 && echo "$1 is installed" || echo "ERROR: $1 is NOT installed"; }
check libcudnn

或

您可以从任何目录运行以下命令

nvcc -V

它的输出应该是这样的

 nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61

在/usr/src/cudnn_samples_v7/mnistCUDNN中执行./mnistCUDNN命令

这里有一个例子:

cudnnGetVersion() : 7005 , CUDNN_VERSION from cudnn.h : 7005 (7.0.5)
Host compiler version : GCC 5.4.0
There are 1 CUDA capable devices on your machine :
device 0 : sms 30  Capabilities 6.1, SmClock 1645.0 Mhz, MemSize (Mb) 24446, MemClock 4513.0 Mhz, Ecc=0,    boardGroupID=0
Using device 0

当你通过.deb在ubuntu上安装时，你可以使用sudo apt search cudnn | grep installed

获取cuDNN版本[Linux]

使用以下方法查找cuDNN路径:

cat $(whereis cudnn.h) | grep CUDNN_MAJOR -A 2

如果以上都不行，试试这个:

cat $(whereis cuda)/include/cudnn.h | grep CUDNN_MAJOR -A 2

获取cuDNN版本[Windows]

使用以下方法查找cuDNN路径:

C:\>where cudnn*
C:\Program Files\cuDNN6\cuda\bin\cudnn64_6.dll

然后使用这个来从头文件中转储版本，

type "%PROGRAMFILES%\cuDNN6\cuda\include\cudnn.h" | findstr "CUDNN_MAJOR CUDNN_MINOR CUDNN_PATCHLEVEL"

获取CUDA版本

这在Linux和Windows上都有效:

nvcc --version

如何检查python代码:

from tensorflow.python.platform import build_info as tf_build_info


print(tf_build_info.cudnn_version_number)
# 7 in v1.10.0

我有cuDNN 8.0，上面的建议对我都不起作用。所需的信息在/usr/include/cudnn_version.h中，因此

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

成功了。

Ubuntu 20.04LTS操作系统:

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR

返回预期结果

对于CUDnn 8.1及以上版本，使用以下命令:

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

torch.backends.cudnn.version()

应该能成功

torch.backends.cudnn.m.is_available()