在“/usr/src/cudnn_samples_v7/mnistCUDNN”目录下运行。/mnistCUDNN 这里有一个例子: cudnnGetVersion(): 7005, CUDNN_VERSION from cudnn.h: 7005 (7.0.5) 主机编译器版本:GCC 5.4.0 在您的机器上有1个CUDA功能设备: device 0: sms 30 Capabilities 6.1, SmClock 1645.0 Mhz, MemSize (Mb) 24446, MemClock 4513.0 Mhz, Ecc=0, boardGroupID=0 使用设备0

安装CuDNN只需要将文件放在CUDA目录中。如果你在安装caffe时正确地指定了路由和CuDNN选项，它将被CuDNN编译。

你可以使用cmake检查。创建一个caffe/build目录并运行cmake ..从那里。如果配置正确，你会看到这些行:

-- 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

如果一切正常，只需运行make命令从那里安装caffe。

Ubuntu 20.04LTS操作系统:

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR

返回预期结果

对于CUDnn 8.1及以上版本，使用以下命令:

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

torch.backends.cudnn.m.is_available()

如何检查python代码:

from tensorflow.python.platform import build_info as tf_build_info

print(tf_build_info.cudnn_version_number)
# 7 in v1.10.0