python中设置cudnn作用理解

目录

• 1、cudnn的简介
• 2、torch.backends.cudnn的理解

 

---

 

回到顶部

1、cudnn的简介

cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。

回到顶部

2、torch.backends.cudnn的理解

 

cuDNN使用非确定性算法，并且可以使用torch.backends.cudnn.enabled = False来进行禁用

 

如果设置为torch.backends.cudnn.enabled =True，说明设置为使用使用非确定性算法

 

然后再设置：

torch.backends.cudnn.benchmark = true

那么cuDNN使用的非确定性算法就会自动寻找最适合当前配置的高效算法，来达到优化运行效率的问题

一般来讲，应该遵循以下准则：

1. 1. 如果网络的输入数据维度或类型上变化不大，设置  torch.backends.cudnn.benchmark = true  可以增加运行效率；
   2. 如果网络的输入数据在每次 iteration 都变化的话，会导致 cnDNN 每次都会去寻找一遍最优配置，这样反而会降低运行效率。

所以我们经常看见在代码开始出两者同时设置：

torch.backends.cudnn.enabled = True
torch.backends.cudnn.benchmark = True

其他：torch.backends.cudnn.deterministic

         一个布尔值，如果为 True，则导致 cuDNN 仅使用确定性卷积算法。

   torch.backends.cudnn.benchmark

        一个布尔值，如果为 True，则导致 cuDNN 对多个卷积算法进行基准测试并选择最快的。