cuDNN概述
NVIDIACUDA®深度神经网络库（cuDNN）是GPU加速的用于深度神经网络的原语库。cuDNN为标准例程提供了高度优化的实现，例如向前和向后卷积，池化，规范化和激活层。
全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序，而不必花时间在底层GPU性能调整上。cuDNN的加快广泛使用的深度学习框架，包括Caffe2，Chainer，Keras，MATLAB，MxNet，PyTorch和TensorFlow。已将cuDNN集成到框架中的NVIDIA优化深度学习框架容器，访问NVIDIA GPU CLOUD了解更多信息并开始使用。
8x Tesla V100 + cuDNN 7.6 on 20.03 NGC container vs. 8x Tesla A100 + cuDNN 8.0 Preview on Pre-Release NGC container. MaskRCNN, PyTorch TF32 vs FP32, Batch Size: 8. GNMT, PyTorch TF32 vs FP32, Batch Size: 512. WaveGlow, PyTorch TF32 vs FP32, Batch Size: 10. U-Net Medical, TensorFlow FP16 (Mixed) vs FP16, Batch Size: 16. U-Net Industrial, TensorFlow FP16 (Mixed) vs FP16, Batch Size: 24. TacoTron2, PyTorch FP16 (Mixed) vs FP16, Batch Size: 128.
cuDNN 8的新增功能
cuDNN 8针对A100 GPU进行了优化，提供了比V100 GPU高出5倍的高性能，并且包括针对会话AI和计算机视觉等应用程序的新优化和API。经过重新设计，易于使用，集成应用程序，并为开发人员提供了更大的灵活性。
cuDNN 8的亮点包括：
- 已针对包括新TensorFloat-32，FP16和FP32在内的NVIDIA A100 GPU的峰值性能进行了调整
- 重新设计的低级API可直接访问cuDNN内核，以实现更好的控制和性能调整
- 向后兼容层保持对cuDNN 7.x的支持，使开发人员可以管理向新cuDNN 8 API的过渡
- 针对计算机视觉，语音和语言理解网络的新优化
- 融合运算符以新API加速卷积神经网络
cuDNN 8现在提供六个较小的库，可在集成到应用程序时提供粒度。
主要特征
- 适用于所有常见卷积的Tensor Core加速，包括2D，3D，分组，深度可分离以及使用NHWC和NCHW输入和输出进行扩张
- 针对计算机视觉和语音模型的优化内核，包括ResNet，ResNext，SSD，MaskRCNN，Unet，VNet，BERT，GPT-2，Tacotron2和WaveGlow
- 支持FP32，FP16和TF32浮点格式以及INT8和UINT8整数格式
- 4d张量的任意维排序，跨距和子区域意味着可以轻松集成到任何神经网络实现中
- 加速任何CNN架构上的融合操作
cuDNN在Windows和Linux上受数据中心和移动GPU中的Ampere，Turing，Volta，Pascal，Maxwell和Kepler GPU体系结构支持。
cuDNN加速框架
