# cuDNN

### 与cuDNN一起使用DL4J

DL4J支持CUDA，但可以进一步通过cuDNN加速。大多数2D 卷积神经网络层（如ConvolutionLayer、SubsamplingLayer等），以及LSTM和BatchNormalization层都支持cuDNN。

 要让DL4J加载cuDNN，我们只需要添加一个依赖项`deeplearning4j-cuda-9.2`, `deeplearning4j-cuda-10.0`, 或 `deeplearning4j-cuda-10.1`, 例如 :

```markup
<dependency>
    <groupId>org.deeplearning4j</groupId>
    <artifactId>deeplearning4j-cuda-9.2</artifactId>
    <version>1.0.0-beta6</version>
</dependency>
```

或

```markup
<dependency>
    <groupId>org.deeplearning4j</groupId>
    <artifactId>deeplearning4j-cuda-10.0</artifactId>
    <version>1.0.0-beta6</version>
</dependency>
```

或

```markup
<dependency>
    <groupId>org.deeplearning4j</groupId>
    <artifactId>deeplearning4j-cuda-10.1</artifactId>
    <version>1.0.0-beta6</version>
</dependency>
```

cuDNN的实际库没有捆绑，因此请确保从NVIDIA下载并安装适合你的平台的包

* [NVIDIA cuDNN](https://developer.nvidia.com/cudnn)

注意cuDNN和CUDA有多个组合被支持。当前，DL4J的支持下面的组合：

| CUDA 版本 | cuDNN 版本 |
| ------- | -------- |
| 9.2     | 7.2      |
| 10.0    | 7.4      |
| 10.1    | 7.6      |
| 10.2    | 7.6      |

要安装，只需将库提取到本地库使用的系统路径中找到的目录即可。最简单的方法是将它放在默认目录中的CUDA之外的其他库中。 (`/usr/local/cuda/lib64/` 在 Linux上, `/usr/local/cuda/lib/` 在 Mac OS X, 并且 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin\`, `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin\`, 或  `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\` 在 Windows上)。

或者，对于CUDA 9.2，cuDNN与[用于CUDA的JavaCPP Presets](https://github.com/bytedeco/javacpp-presets/tree/master/cuda) 的“redist”包捆绑在一起。在[同意许可](https://github.com/bytedeco/javacpp-presets/tree/master/cuda#license-agreements)之后，我们可以添加以下依赖项，来取代安装CUDA和cuDNN：

```markup
<dependency>
     <groupId>org.bytedeco</groupId>
     <artifactId>cuda-platform-redist</artifactId>
     <version>10.2-7.6-1.5.2</version>
 </dependency>
```

还要注意，默认情况下，DL4j将使用根据cuDNN可用的最快算法，但是内存使用可能溢出，导致奇怪的启动错误。当这种情况发生时，尝试通过使用[通过网络配置设置的NO\_WORKSPACE模式](https://deeplearning4j.org/api/1.0.0-beta2/org/deeplearning4j/nn/conf/layers/ConvolutionLayer.Builder.html#cudnnAlgoMode-org.deeplearning4j.nn.conf.layers.ConvolutionLayer.AlgoMode-)来减少内存使用， 替换默认的`ConvolutionLayer.AlgoMode.PREFER_FASTEST`，例如：

```java
    // 对于整个网络
    new NeuralNetConfiguration.Builder()
            .cudnnAlgoMode(ConvolutionLayer.AlgoMode.NO_WORKSPACE)
            // ...
    // 或对于单个层
    new ConvolutionLayer.Builder(h, w)
            .cudnnAlgoMode(ConvolutionLayer.AlgoMode.NO_WORKSPACE)
            // ...
```


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://deeplearning4j.konduit.ai/zhong-wen-v1.0.0/pei-zhi/cudnn.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.