验证cuDNN在Linux上的安装

### 安装cuDNN的前提条件 确保已经成功安装CUDA工具包，这是因为在Linux系统上安装cuDNN前需先完成CUDA的部署[^1]。 ### 下载对应的cuDNN版本 访问NVIDIA官方网站并登录账户后，依据所使用的CUDA版本号挑选相匹配的cuDNN版本进行下载。对于不同的操作系统和CUDA版本，官方提供了详细的对应表来帮助选择合适的cuDNN版本。 ### 解压文件到指定目录 下载完成后得到的是一个压缩包形式的cuDNN库文件，解压此文件至CUDA已安装路径下通常为`/usr/local/cuda-X.Y`(X.Y代表具体的CUDA版本)，命令如下所示： ```bash tar -xzvf cudnn-linux-x86_64-8.0.4.30_cuda11.1-archive.tar.xz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ ``` 上述操作会把头文件复制到CUDA include目录，并将共享库放置于lib64文件夹内以便程序调用。 ### 更新环境变量 为了让系统能够识别新加入的cuDNN库位置，建议更新`.bashrc`或相应的shell配置文件中的PATH与LD_LIBRARY_PATH变量，使它们包含最新的CUDA及cuDNN路径信息。编辑器打开~/.bashrc 文件添加下面两行内容: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 保存更改后的配置文件并通过source ~/.bashrc让修改立即生效。 ### 验证安装是否成功 最后一步是验证cuDNN是否被正确安装以及可以正常使用。可以通过运行简单的测试代码来进行检验，比如编写一段Python脚本来加载TensorFlow或其他支持GPU加速计算框架的应用程序，观察其能否顺利初始化cuDNN资源。