Saya telah mencari banyak tempat tetapi SEMUA yang saya dapatkan adalah BAGAIMANA untuk menginstalnya, bukan bagaimana memverifikasi bahwa itu diinstal. Saya dapat memverifikasi driver NVIDIA saya diinstal, dan CUDA diinstal, tetapi saya tidak tahu bagaimana memverifikasi CuDNN diinstal. Bantuan akan sangat dihargai, terima kasih!

PS.
Ini untuk implementasi caffe. Saat ini semuanya berfungsi tanpa CuDNN diaktifkan.

Menginstal CuDNN hanya melibatkan menempatkan file di direktori CUDA. Jika Anda telah menentukan rute dan opsi CuDNN dengan benar saat memasang caffe, itu akan dikompilasi dengan CuDNN.

Anda dapat memeriksa menggunakan itu cmake. Buat direktori caffe/builddan jalankan cmake ..dari sana. Jika konfigurasi sudah benar Anda akan melihat baris-baris ini:

-- 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

Jika semuanya benar jalankan makeperintah untuk menginstal caffe dari sana.

Instalasi CuDNN hanya menyalin beberapa file. Oleh karena itu untuk memeriksa apakah CuDNN diinstal (dan versi mana yang Anda miliki), Anda hanya perlu memeriksa file-file itu.

Instal CuDNN

Langkah 1: Daftarkan akun pengembang nvidia dan unduh cudnn di sini (sekitar 80 MB). Anda mungkin perlu nvcc --versionmendapatkan versi cuda Anda.

Langkah 2: Periksa di mana instalasi cuda Anda. Bagi kebanyakan orang, itu akan terjadi /usr/local/cuda/. Anda dapat memeriksanya which nvcc.

Langkah 3: Salin file:

$ 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*

Periksa versi

Anda mungkin harus menyesuaikan jalurnya. Lihat langkah 2 instalasi.

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

Catatan

Ketika Anda mendapatkan kesalahan seperti

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

dengan TensorFlow, Anda mungkin mempertimbangkan untuk menggunakan CuDNN v4 bukan v5.

Pengguna Ubuntu yang menginstalnya melaluiapt : https://askubuntu.com/a/767270/10425

Pertama-tama Anda perlu menemukan file cudnn yang diinstal dan kemudian mengurai file ini. Untuk menemukan file, Anda dapat menggunakan:

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

Jika itu tidak berhasil, lihat "Distribusi Redhat" di bawah ini.

Setelah Anda menemukan lokasi ini, Anda dapat melakukan hal berikut (mengganti ${CUDNN_H_PATH}dengan path):

cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2

Hasilnya akan terlihat seperti ini:

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

Yang berarti versinya adalah 7.5.0.

Ubuntu 18.04 (melalui sudo apt install nvidia-cuda-toolkit)

Metode instalasi ini menginstal cuda di / usr / include dan / usr / lib / cuda / lib64, maka file yang perlu Anda lihat adalah di /usr/include/cudnn.h.

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

Debian dan Ubuntu

Dari CuDNN v5 dan seterusnya (setidaknya ketika Anda menginstal melalui sudo dpkg -i <library_name>.debpaket), sepertinya Anda mungkin perlu menggunakan yang berikut:

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

Sebagai contoh:

$ 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"

menunjukkan bahwa CuDNN versi 6.0.21 diinstal.

Distribusi redhat

Di CentOS, saya menemukan lokasi CUDA dengan:

$ whereis cuda
cuda: /usr/local/cuda

Saya kemudian menggunakan prosedur tentang pada file cudnn.h yang saya temukan dari lokasi ini:

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

Untuk memeriksa instalasi CUDA, jalankan perintah di bawah ini , jika diinstal dengan benar maka perintah di bawah ini tidak akan menimbulkan kesalahan dan akan mencetak versi perpustakaan yang benar.

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

Untuk memeriksa instalasi CuDNN, jalankan perintah di bawah ini , jika CuDNN diinstal dengan benar maka Anda tidak akan mendapatkan kesalahan.

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 

ATAU

Anda dapat menjalankan perintah di bawah ini dari direktori mana saja

nvcc -V

seharusnya menghasilkan output seperti ini

 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

Mendapatkan Versi cuDNN [Linux]

Gunakan berikut ini untuk menemukan jalur untuk cuDNN:

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

Jika di atas tidak berhasil coba ini:

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

Mendapatkan Versi cuDNN [Windows]

Gunakan berikut ini untuk menemukan jalur untuk cuDNN:

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

Kemudian gunakan ini untuk membuang versi dari file header,

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

Mendapatkan Versi CUDA

Ini berfungsi di Linux dan juga Windows:

nvcc --version

Saat memasang di ubuntu via .debAnda dapat menggunakansudo apt search cudnn | grep installed

Jalankan ./mnistCUDNNdi/usr/src/cudnn_samples_v7/mnistCUDNN

Berikut ini sebuah contoh:

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