我已经搜索了很多地方，但我得到的都是如何安装它，而不是如何验证它是否安装。我可以验证我的NVIDIA驱动程序是否安装，CUDA是否安装，但我不知道如何验证CuDNN是否安装。非常感谢您的帮助，谢谢!
PS。 这是一个caffe实现。目前没有启用CuDNN，一切都可以正常工作。
当前回答
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
其他回答
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。
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
我的回答展示了如何检查安装的CuDNN版本，这通常也是您想要验证的东西。首先需要找到已安装的cudn文件，然后解析该文件。要查找文件，您可以使用:
whereis cudnn.h
CUDNN_H_PATH=$(whereis cudnn.h)
如果这不起作用，请参阅下面的“Redhat分发”。
找到这个位置后，可以执行以下操作(将${CUDNN_H_PATH}替换为路径):
cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2
结果应该是这样的:
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
这意味着版本是7.5.0。
安装nvidia-cuda-toolkit
这种安装方法将cuda安装在/usr/include和/usr/lib/cuda/lib64中，因此你需要查看的文件在/usr/include/cudnn.h中
CUDNN_H_PATH=/usr/include/cudnn.h
cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2
Debian和Ubuntu
从CuDNN v5开始(至少当你通过sudo dpkg -i <library_name>.deb packages安装时)，看起来你可能需要使用以下命令:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
例如:
$ cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 6
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 21
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
表示安装了6.0.21版本的CuDNN。
Redhat分布
在CentOS上，我找到了CUDA的位置:
$ whereis cuda
cuda: /usr/local/cuda
然后我使用了我从这个位置找到的cudnn.h文件上的程序:
$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
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
torch.backends.cudnn.version()
应该能成功
