CUDA
CUDA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，是一种并行计算平台和编程模型，该架构使GPU能够解决复杂的计算问题。CUDA英文全称是Compute Unified Device Architecture。
我们可以通过nvidia-smi命令查看cuda版本号。
如上图，我的电脑cuda版本是11.7
CUDA Toolkit
CUDA Toolkit可以理解成一个工具包，主要包含了CUDA-C和CUDA-C++编译器、一些科学库和实用程序库、CUDA和library API的代码示例、和一些CUDA开发工具。
cudatookit版本有时会被简称为cuda版本，这也是我们经常搞混的一个原因。
cuDNN
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library，是NVIDIA专门针对深度神经网络中的基础操作而设计基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式。
简单来说，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。
Pytorch
pytorch是基于CUDA的深度学习框架，因此，pytorch的版本必须依赖于cuda toolkit的版本。
如果你在读上面的一些名词的时候感觉模糊不清，那么可以直接来看下面的总结。（当然还是建议把不懂的地方搜索明白）
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。
总结一下，食物链顶端的是CUDA这个工作台，也就是我们电脑的硬件配置，我们要先查看它的版本，然后根据这个来看我们都能下载多高的cudatookit版本，然后根据cudatookit版本来选择cudnn版本和可支持的pytorch版本
因此配置环境的流程为：
查看CUDA版本 ——> 选择cudatookit版本 ——> 选择cudnn版本 + pytorch版本
到此这篇关于通俗的讲解深度学习中CUDA,cudatookit,cudnn和pytorch的关系的文章就介绍到这了,更多相关CUDA,cudatookit,cudnn和pytorch的关系内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/m0_68239345/article/details/128803487
