Python 什么'；s启用CNMeM的效果，但'；cuDNN不可用'；在西亚诺？

我有以下基于的代码：

现在，当我用两种模式测试代码时：

GPU模式，我得到这个：

$ THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python gpu.py
Using gpu device 0: Tesla C2075 (CNMeM is enabled with initial size: 95.0% of memory, cuDNN not available)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.475526 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
Used the gpu

$ THEANO_FLAGS=mode=FAST_RUN,device=cpu,floatX=float32 python gpu.py
[Elemwise{exp,no_inplace}(<TensorType(float32, vector)>)]
Looping 1000 times took 5.221368 seconds
Result is [ 1.23178029  1.61879337  1.52278066 ...,  2.20771813  2.29967761
  1.62323284]
Used the cpu

$THEANO\u FLAGS=mode=FAST\u RUN，device=gpu，floatX=float32 python gpu.py
使用gpu设备0:Tesla C2075（启用CNMeM时初始大小为95.0%内存，cuDNN不可用）
[GpuElemwise{exp，no_inplace}（），HostFromGpu（GpuElemwise{exp，no_inplace}.0）]
循环1000次需要0.475526秒
结果是[1.23178029 1.61879349 1.52278066…，2.20771813 2.299677761]
1.62323296]
使用gpu

CPU模式，我得到这个：

$ THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python gpu.py
Using gpu device 0: Tesla C2075 (CNMeM is enabled with initial size: 95.0% of memory, cuDNN not available)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.475526 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
Used the gpu

$ THEANO_FLAGS=mode=FAST_RUN,device=cpu,floatX=float32 python gpu.py
[Elemwise{exp,no_inplace}(<TensorType(float32, vector)>)]
Looping 1000 times took 5.221368 seconds
Result is [ 1.23178029  1.61879337  1.52278066 ...,  2.20771813  2.29967761
  1.62323284]
Used the cpu

$THEANO\u FLAGS=mode=FAST\u RUN，device=cpu，floatX=float32 python gpu.py
[Elemwise{exp，no_inplace}（）]
循环1000次耗时5.221368秒
结果是[1.23178029 1.61879337 1.52278066…，2.20771813 2.299677761]
1.62323284]
使用cpu

注意两件事，GPU确实比CPU快（0.47秒比5秒）。但同时在GPU上，我收到cuDNN not available消息

---

我的问题是。没有cuDNN会有什么影响？它有害吗？

如果你没有使用cuDNN，你的代码就不会使用GPU的所有功能。 在CPU出现之前使用GPU的好处是，GPU有很多真正的内核（从700到4000），普通CPU从1到8

但GPU内核只能进行原始计算。如果您不使用cuDNN，其他标准库会进行计算，或者可能（我不知道确切的情况，只使用GPU内存和简单的CPU进行计算）

CuDNN是一个GPU加速的原语库。 这意味着，如果你开始应用深度神经网络，它将不会像它可能的那样快

请阅读

---

注：由于我写的GPU内核只能进行原始计算，如果您选择使用GPU，但使用GPU不支持的功能，theano将为CPU临时切换该功能的应用程序。（这需要时间来完成）

我上次使用theano已经有一段时间了，但我认为您可能正在使用通用的CUDA库，因此获得了GPU加速的好处，而不是更专业的cudNN库。因此，如果您能够安装cudNN并使其工作，您可能会获得一些额外的加速。