环境搭建——指令集cuda+cudnn

如果要使用GPU训练模型，则需要安装NVIDIA的cuda和cudnn指令集

很多童鞋可能对指令集不是太了解，这里简单介绍一下。

下面是不专业的描述，只是帮助大家理解指令：

计算机再运行程序的时候，其实真正再执行的就是一条条的指令。计算机本身不会处理程序，也看不懂程序，只能做一些简单单步操作，我们把这些单步的操作称之为指令。程序经过编译之后，就成为一条条连续的指令，计算机根据这些指令去执行即可，根本不关心现在是什么任务。

当然，上面描述的是CPU的指令，我们现在安装的是GPU(显卡)的指令。虽然略有不同，但相信大家能够理解，机器学习中会运用到大量的计算，为了能充分发挥GPU的算力，NVIDIA就专门弄了cuda和cudnn这样的指令集，来把机器学习中常用的计算方式以指令集的形式实现。

下载cuda

cuda和cudnn有对应版本匹配关系，如下所示：

如果你想查看最近版本的cuda和cudnn版本对应关系，可以查看官网https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

确认想安装的cuda和cudnn版本（如果有现成的项目，可以先查看项目配置文件的tensorflow版本或pytorch版本；如果没有，建议安装稳定版本的cuda10.1+cudnn7.6.5+tensorflow2.1+pytorch1.3）

去官网下载对应版本的cuda：https://developer.nvidia.com/cuda-toolkit-ARCHIVE

下载过程只需勾选相应的操作系统、CPU架构、操作系统版本、安装方式（建议选择本地安装）

下载完成后，得到如下文件，双击点开：

安装cuda

首先得到的是安装包提取路径设置（不是安装路径），自己设置一个即可：

环境变量配置

安装完成后回自动生成如下系统变量：

请自行添加如下变量到系统变量中（名为Path的变量），自选安装目录的同学请更正下面的目录后再添加到系统变量中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp