如何检查我的系统是否有 CUDDN

如果你想要在你的GPU上运行深度学习代码，那么你需要确保你安装了 NVIDIA 的 CUDA 和 cuDNN 工具。cuDNN (CUDA Deep Neural Network library) 是一个 GPU 加速的深度学习库，支持像 TensorFlow，Keras，PyTorch 等深度学习框架。

以下是检查系统中是否有 cuDNN 的方法：

方法一：查看 NVIDIA 自带的示例

NVIDIA 提供了一些示例来检查系统中是否存在cuDNN，这些样例位于CUDA的安装目录中。你可以通过以下命令来查找该示例的位置：

sudo find / -name "cudnn.h"

正常情况下，你应该能够找到一个路径名为/usr/include/x86_64-linux-gnu的文件夹，其中包含一个名为cudnn.h的文件。如果找到了这个文件，那么你就拥有了 cuDNN。

方法二：查看包管理器中是否存在 cuDNN

在大多数的 Linux 系统中，你可以通过包管理器来查看系统中是否安装了 cuDNN 相关包。你可以通过以下命令来查询系统中是否已经安装了 cuDNN：

Ubuntu 系统

dpkg -l libcudnn*

如果你在终端中看到了类似 libcudnn7-dev 的输出，那么你的系统上已经安装了某个版本的 cuDNN 相关包。

Red Hat / CentOS / Fedora 系统

yum search cudnn 

如果你看到了一些名为 cudnn7 或 libcudnn7 的包，那么你就安装了一些 cuDNN 相关的包。

方法三：查看 nvcc 是否能够找到 cuDNN

另外一个方法是通过 nvcc 编译器来查看系统中是否安装了cuDNN。nvcc 是 NVIDIA CUDA 编译器，它包含在 CUDA 工具包中，可以通过以下命令查找：

which nvcc

如果你安装了 CUDA，那么你应该能够找到 nvcc 的安装路径。现在你可以通过以下命令来查看系统中是否存在 cuDNN：

ldconfig -p | grep cudnn

如果你看到了类似以下的输出，那么你的系统中就已经安装了 cuDNN 相关的库：

libcudnn.so.7 -> libcudnn.so.7.0.5

如果你在以上的方法中任何一种方法中都没有找到 cuDNN，那么你需要下载并安装 cuDNN 相关的包。你可以在 NVIDIA 的官方网站上获得 cuDNN 的最新版本。