Python torch：使用net:cuda（）和使用cudnn.somemodules有什么区别？

我想知道以下两者之间的区别：

制作神经网络后使用

net:cuda（）

：

在完成神经网络的过程中使用

cudnn.somemodules

：

：cuda（）

将使用GPU

cudnn.xxx

将对GPU模型进行一些优化，因此添加后的培训将比仅使用cuda更快

有一个关于cudnn的介绍：

：cuda（）

是使用GPU的

cudnn.xxx

将对GPU模型进行一些优化，因此添加后的培训将比仅使用cuda更快

有一个介绍

cudnn

：

cuda（）

是一个将张量移动到GPU以加快运算速度的调用

cudnn

是一个cuda优化模块库，类似于

nn

。如果在GPU上工作，使用

cudnn

anagues会更快，但您的代码将无法移植到CPU设备：

NVIDIA CUDA深度神经网络（cuDNN）是一个GPU加速的深度神经网络原语库。它提供了DNN应用程序中经常出现的例程的高度调优的实现。这些发行说明描述了cuDNN 8.1.1和早期版本的主要功能、软件增强和改进以及已知问题

cuda（）

是一个将张量移动到GPU的调用，用于更快地计算运算

cudnn

是一个cuda优化模块库，类似于

nn

。如果在GPU上工作，使用

cudnn

anagues会更快，但您的代码将无法移植到CPU设备：

NVIDIA CUDA深度神经网络（cuDNN）是一个GPU加速的深度神经网络原语库。它提供了DNN应用程序中经常出现的例程的高度调优的实现。这些发行说明描述了cuDNN 8.1.1和早期版本的主要功能、软件增强和改进以及已知问题

local net = nn.Sequential()
net:add(nn.SpatialConvolution(3, 8, 5, 5))
net:add(nn.View(8*20*20))
net:add(nn.Linear(8*20*20, 10))
net:add(nn.LogSoftMax())
net:cuda()

local net = nn.Sequential()
net:add(cudnn.SpatialConvolution(3, 8, 5, 5))
net:add(cudnn.View(8*20*20))
net:add(cudnn.Linear(8*20*20, 10))
net:add(cudnn.LogSoftMax())