کتابخانه یادگیری عمیق CUDA که cuDNN نامیده می شود یک کتابخانه ی شتابدهنده بر اساس پردازنده ی کارت گرافیک یا همان GPU می باشد. cuDNN ارائه کننده ی الحاقاتی است که به طور خاص برای بکارگیری در کاربردهای استاندارد از قبیل forward convolution و backward convolution، pooling، normalization و activation layer ها تنظیم شده است.
محققان یادگیری عمیق (deep learning) و توسعه دهندگان فریم ورک ها در سطح جهان به cuDNN جهت انجام عملیات با بالاترین کارایی با استفاده واحد پردازش گرافیکی GPU وابسته هستند. cuDNN به آنها اجازه می دهد تا روی یادگیری شبکه های عصبی متمرکز شوند و همچنین اپلیکیشن هایی را بر این اساس تولید کنند، این مورد باعث می شود نیاز به وقت گذاشتن روی تنظیات سطح پایین مربوط به کارایی GPU و در واقع تنظیم کردن آن نباشد. cuDNN به صورت گسترده از فریم ورک های یادگیری عمیق مانند Caffe، Caffe2، Chainer، Keras، MATLAB، MxNet، TensorFlow و PyTorch است، برای دسترسی به محتویات فریم ورک یادگیری عمیق شرکت NVIDIA بخش GPU CLOUD وبسایت شرکت NVIDIA را بررسی کنید (لینک در بخش اول لینک ها زیر همین پست موجود می باشد).
روتین های پیچیده (convolution) در cuDNN یک کارایی تاثیر گذار را یا استفاده از سریع ترین GEMM (ضرب مارتریس) را با توجه به شامل بودن برخی روتین هایی که باعث کاهش تاثیر گذار استفاده از حافظه می شوند ایجاد می کند.
فریم ورک یادگیری عمیق cuDNN نسخه ی 7.5 و بالاتر قادر به ارائه ی ویژگی ها و کارایی های جدیدتر برای معماری های Volta و Turning می باشد که در نتیجه عملیات ترینینگ یا همان یادگیری شبکه های عصبی را سرعت می بخشد. مهمترین موارد ارائه شده در نسخه ی 7.5 فریم ورک cuDNN شامل موارد زیر می باشد:
در صورت تمایل می توانید آخرین نکات مربوط به نسخه های cuDNN را با کلیک روی لینک ارائه شده در بخش اول رفرنس ها دریافت کنید.
همچنین برای دریافت نسخه های دیگر فریم ورک یادگیری عمیق cuDNN می توانید به صفحه ی مربوطه در سایت NVIDIA مراجعه فرمایید.
نکته در مورد نحوه ی دریافت فریم ورک یادگیری عمیق کودا cuDNN: برای دانلود این فریم ورک می باید از ip کشور های دیگر وارد سایت NVIDIA شوید و اقدام به عضویت فرمایید، عضویت در این سایت رایگان بوده و با چند کلیک قابل انجام است، توجه داشته باشید که به خاطر مسائل مربوط به تحریم های جمهوری اسلامی ایران بهتر است از آدرس ایمیل غیر آکادمیک (غیر دانشگاهی) استفاده فرمایید و به راحتی می توانید با یک آدرس ایمیل Gmail یا Yahoo اقدام به عضویت فرمایید، در ضمن تمامی موارد مربوط به ثبت نام نیز در ویدیو ی ارائه شده در این جلسه ی آموزشی توضیح داده شده و می توانید به راحتی با دنبال کردن ویدیو اقدام به عضویت در سایت NVIDIA، دریافت نسخه ی لازمه از فریم ورک یادگیری عمیق و نصب این فریم ورک فرمایید.
لازم به ذکر است به دلیل سازگاری با اوبونتو 14.04 و مجموعه ی سایر موارد یادگیری عمیق از نسخه ی 6 cuDNN استفاده کردیم و موفق به اجرای این فریم ورک شدیم.