概述,，需要注意以下幾個問題：

（1）NVIDIA的顯卡驅(qū)動程序和CUDA完全是兩個不同的概念哦,！CUDA是NVIDIA推出的用于自家GPU的并行計算框架，也就是說CUDA只能在NVIDIA的GPU上運行,，而且只有當(dāng)要解決的計算問題是可以大量并行計算的時候才能發(fā)揮CUDA的作用,。

CUDA的本質(zhì)是一個工具包（ToolKit）；但是二者雖然不一樣的,。

顯卡驅(qū)動的安裝：

當(dāng)我們使用一臺電腦的時候默認(rèn)的已經(jīng)安裝了NVIDIA的顯卡驅(qū)動,，因為沒有顯卡驅(qū)動根本用不了顯卡嘛，但是這個時候我們是沒有CUDA可以用的,，我們可以更新我們的驅(qū)動,，更新鏈接為：

https://www./Download/index.aspx?lang=en-us

在這個里面可以根據(jù)自己的顯卡類型選擇最新的驅(qū)動程序。顯卡驅(qū)動程序當(dāng)前大小大概500多M,。

CUDA ToolKit的安裝：

CUDA的下載地址為：https://developer./cuda-downloads

我們可以選擇兩種安裝方式,，一種是在線安裝（我還沒用過），一中離線安裝（我采用的）即本地安裝,，

當(dāng)我們選擇離線安裝,，當(dāng)我們選定相對應(yīng)的版本之后，下載的時候發(fā)現(xiàn)這個地方的文件大小大概在2G左右,，Linux系統(tǒng)下面我們選擇runfile(local) 完整安裝包從本地安裝,，或者是選擇windows的本地安裝。CUDA Toolkit本地安裝包時內(nèi)含特定版本Nvidia顯卡驅(qū)動的,，所以只選擇下載CUDA Toolkit就足夠了,，如果想安裝其他版本的顯卡驅(qū)動就下載相應(yīng)版本即可。

所以,，NVIDIA顯卡驅(qū)動和CUDA工具包本身是不具有捆綁關(guān)系的,，也不是一一對應(yīng)的關(guān)系，只不過是離線安裝的CUDA工具包會默認(rèn)攜帶與之匹配的最新的驅(qū)動程序,。

注意事項：NVIDIA的顯卡驅(qū)動器與CUDA并不是一一對應(yīng)的哦,，CUDA本質(zhì)上只是一個工具包而已，所以我可以在同一個設(shè)備上安裝很多個不同版本的CUDA工具包,，比如我的電腦上同事安裝了 CUDA 9.0,、CUDA 9.2,、CUDA 10.0三個版本。一般情況下,，我只需要安裝最新版本的顯卡驅(qū)動,，然后根據(jù)自己的選擇選擇不同CUDA工具包就可以了，但是由于使用離線的CUDA總是會捆綁CUDA和驅(qū)動程序,，所以在使用多個CUDA的時候就不要選擇離線安裝的CUDA了,，否則每次都會安裝不同的顯卡驅(qū)動，這不太好,，我們直接安裝一個最新版的顯卡驅(qū)動,，然后在線安裝不同版本的CUDA即可。

總結(jié)：CUDA和顯卡驅(qū)動是沒有一一對應(yīng)的,。

（2）cuDNN是一個SDK,，是一個專門用于神經(jīng)網(wǎng)絡(luò)的加速包，注意,，它跟我們的CUDA沒有一一對應(yīng)的關(guān)系,，即每一個版本的CUDA可能有好幾個版本的cuDNN與之對應(yīng)，但一般有一個最新版本的cuDNN版本與CUDA對應(yīng)更好,。

總結(jié)：cuDNN與CUDA沒有一一對應(yīng)的關(guān)系

（3）CUDA 工具包附帶的 CUPTI,。

 CUPTI，即CUDA Profiling Tools Interface (CUPTI),。在CUDA分析工具接口（CUPTI）能夠分析和跟蹤靶向CUDA應(yīng)用程序的工具的創(chuàng)建,。CUPTI提供以下API：

• Activity API，
• Callback API,，
• 事件API,，
• Metric API，和
• Profiler API,。

使用這些API,，您可以開發(fā)分析工具，深入了解CUDA應(yīng)用程序的CPU和GPU行為,。CUPTI作為CUDA支持的所有平臺上的動態(tài)庫提供,。請參閱CUPTI文檔。

一,、tensorflow各個版本需要的CUDA版本以及Cudnn的對應(yīng)關(guān)系

1.1 對應(yīng)表格

相應(yīng)的網(wǎng)址為：

https://www./install/source#common_installation_problems

https://www./install/source_windows

現(xiàn)在NVIDIA的顯卡驅(qū)動程序已經(jīng)更新到 10.1版本,，最新的支持CUDA 10.1版本的cuDNN為7.5.0

1.2 CUDA的命名規(guī)則

下面以幾個例子來說

（1）CUDA 9.2

CUDA  9.2.148

（2）CUDA 10.0

CUDA 10.0.130.411.31（后面的411.31對應(yīng)更具體的版本號）

（3）CUDA 10.1

CUDA 10.1.105.418.96（后面的418.96對應(yīng)更具體的版本號）

更多詳細的請參考如下官網(wǎng)：

https://developer./cuda-toolkit-archive

1.3 如何查看自己所安裝的CUDA的版本：

（1）直接在NVIDIA的控制面板里面查看NVCUDA.DLL的版本,。

注意：這里網(wǎng)上有很多說法是錯誤的,，這個版本并不能絕對說明自己所安裝的CUDA工具包一定這個版本

（2）通過命令查看：nvcc -V 或者是nvcc --version都可以,，但前提是添加了環(huán)境變量

（3）直接通過文件查看，這里分為Linux和windows兩種情況

在windows平臺下,，可以直接進入CUDA的安裝目錄,，比如我的是：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2   里面有一個version.txt的文本文件，直接打開即可,，也可以使用命令,，即

首先進入到安裝目錄，然后執(zhí)行：type version.txt 即可查看

在Linux平臺下：

同windows類似,，進入到安裝目錄,，然后執(zhí)行  cat version.txt 命令

1.4 如何查看自己的cuDNN的版本

因為cuDNN本質(zhì)上就是一個C語言的H頭文件，

（1）在windows平臺下：

直接進入安裝目錄：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include  之下,，然后找到

cudnn.h 的頭文件,，直接到開查看，在最開始的部分會有如下定義：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0

#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

即7500,，也就是cudnn的版本為7.5.0版本,；

（2）在Linux下當(dāng)然也可以直接查看，但是通過命令更簡單,，進入到安裝目錄,，執(zhí)行如下命令：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2  即可查詢

即5005，即5.0.5版本的cudnn,。

 二,、CUDA與相對應(yīng)的Cudnn對應(yīng)關(guān)系

Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0

Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 9.2

Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 9.0

Download cuDNN v7.4.1 (Nov 8, 2018), for CUDA 10.0

Download cuDNN v7.4.1 (Nov 8, 2018), for CUDA 9.2

Download cuDNN v7.4.1 (Nov 8, 2018), for CUDA 9.0

Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 10.0

Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 9.2

Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 9.0

Download cuDNN v7.3.0 (Sept 19, 2018), for CUDA 10.0

Download cuDNN v7.3.0 (Sept 19, 2018), for CUDA 9.0

Download cuDNN v7.2.1 (August 7, 2018), for CUDA 9.2

Download cuDNN v7.1.4 (May 16, 2018), for CUDA 9.2

Download cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0

Download cuDNN v7.1.4 (May 16, 2018), for CUDA 8.0

Download cuDNN v7.1.3 (April 17, 2018), for CUDA 9.1

Download cuDNN v7.1.3 (April 17, 2018), for CUDA 9.0

Download cuDNN v7.1.3 (April 17, 2018), for CUDA 8.0

Download cuDNN v7.1.2 (Mar 21, 2018), for CUDA 9.1 & 9.2

Download cuDNN v7.1.2 (Mar 21, 2018), for CUDA 9.0

Download cuDNN v7.0.5 (Dec 11, 2017), for CUDA 9.1

Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 8.0

Download cuDNN v7.0.4 (Nov 13, 2017), for CUDA 9.0

Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0

Download cuDNN v6.0 (April 27, 2017), for CUDA 7.5

Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0

Download cuDNN v5.1 (Jan 20, 2017), for CUDA 7.5

Download cuDNN v5 (May 27, 2016), for CUDA 8.0

Download cuDNN v5 (May 12, 2016), for CUDA 7.5

Download cuDNN v4 (Feb 10, 2016), for CUDA 7.0 and later.

Download cuDNN v3 (September 8, 2015), for CUDA 7.0 and later.

Download cuDNN v2 (March 17,2015), for CUDA 6.5 and later.

Download cuDNN v1 (cuDNN 6.5 R1)

三、NVIDIA顯卡以及對應(yīng)的顯卡驅(qū)動的對應(yīng)關(guān)系

由于NVIDIA存在多個系列的顯卡類型,，把這里僅僅顯示出GeForce系列的顯卡以及各個顯卡的計算能力（compute capability）,，詳情可以參考官網(wǎng)鏈接：

https://developer./cuda-gpus

（1）GeForce Desktop Products

（2）GeForce Notebook Products（筆記本電腦）