Изтегляне на драйвера:Входът към хиперлинк е видим.
CUDA Инструментарий:Входът към хиперлинк е видим.
cuDNN:Входът към хиперлинк е видим.
Какво е GPU?
Концепцията за GPU беше предложена от Nvidia през 1999 г. GPU е чип на графична карта, точно както процесорът е чип на дънна платка. Значи преди 1999 г. на графичните карти нямаше видеокарти? Разбира се, имаше, но тогава никой не го назова, не привличаше достатъчно внимание от хората, а развитието му беше сравнително бавно.
Откакто Nvidia предложи концепцията за GPU, GPU-тата навлязоха в период на бързо развитие. Накратко, той е преминал през следните етапи на развитие:
1. Само за графично рендериране тази функция е първоначалното намерение на GPU-тата, което се вижда от името му: Графичен процесорен блок;
2. По-късно беше открито, че е твърде разточително толкова мощно устройство като GPU да се използва само за графична обработка и трябва да се използва за повече работа, като операции с плаваща запетая. Как да го направя? Предоставянето на операции с плаваща запетая директно към GPU не е възможно, тъй като той може да се използва само за графична обработка (по това време). Най-лесното нещо, което можеш да измислиш, е да обработиш операции с плаваща запетая, да ги пакетираш в задачи за графично рендериране и след това да ги предадеш на GPU-то. Това е концепцията за GPGPU (GPU за общо предназначение). Въпреки това, има и недостатък, а именно, че трябва да имате някакви познания по графика, иначе няма да знаете как да опаковате.
3. Затова, за да позволи на хора, които не разбират графиката, да усетят мощта на GPU изчисленията, Nvidia предложи концепцията за CUDA.
Какво е CUDA?
CUDA (ComputeUnified Device Architecture) е изчислителна платформа, стартирана от производителя на графични карти NVIDIA. CUDA е универсална архитектура за паралелни изчисления, стартирана от NVIDIA. Той съдържа архитектурата на командния набор CUDA и паралелен изчислителен двигател вътре в GPU. Можете да разработвате CUDA програми чрез използване на CUDA C език, подобен на C, което улеснява използването на мощната изчислителна мощ на GPU, вместо да опаковате изчислителната задача в графична рендеринг задача и след това да я предавате на GPU-то за обработка.
С други думи, CUDA е паралелна компютърна рамка, стартирана от NVIDIA за собствените си графични процесори, което означава, че CUDA може да работи само върху графичните процесори на NVIDIA и може да изпълнява ролята на CUDA само когато изчислителният проблем, който трябва да се реши, е, че може да се изчислява в голям брой паралелни изчисления.
Имайте предвид, че не всички видеокарти поддържат CUDA.
Какво е CUDNN?
NVIDIA cuDNN е GPU-ускорена библиотека за дълбоки невронни мрежи. Той акцентира върху производителността, лесната употреба и ниските разходи за памет. NVIDIA cuDNN може да бъде интегриран в по-високо ниво рамки за машинно обучение като Tensorflow на Google, популярния софтуер за кафе на UC Berkeley. Простият дизайн на плъгини позволява на разработчиците да се съсредоточат върху проектирането и реализирането на невронни мрежови модели, а не просто да настройват производителността, като същевременно позволяват високопроизводителни съвременни паралелни изчисления на графични процесори.
Ако искате да обучите модел с GPU, cuDNN не е задължителен, но обикновено се използва като библиотека за ускорение.
Каква е връзката между CUDA и CUDNN?
CUDA се възприема като работна маса с много инструменти като чукове, отвертки и др. cuDNN е библиотека за дълбоко обучение, базирана на CUDA, ускорена с GPU, с която могат да се извършват изчисления за дълбоко обучение върху GPU. Той е еквивалентен на инструмент за работа, например гаечен ключ. Но когато работната маса на CUDA беше купена, тя не осигури гаечен ключ. За да стартираш дълбока невронна мрежа в CUDA, трябва да инсталираш cuDNN, точно както искаш да завиеш гайка и да купиш гаечен ключ назад. Това позволява на GPU да работи в дълбоки невронни мрежи, които са много по-бързи от тези на процесорите.
|
Публикувано в 14.11.2024 г. 13:19:15 ч.
|
|
|
|
Хазяин|
Публикувано в 5.02.2025 г. 11:01:16 ч.
|
