cuda安装cudnn

### 如何在CUDA环境中安装配置CuDNN

#### 安装前准备
为了确保顺利安装CuDNN，在开始之前需确认已正确安装对应版本的CUDA工具包，并了解当前使用的显卡驱动版本。对于显卡驱动版本为456.71的情况，应查找与之兼容的CUDA版本[^2]。

#### 下载CuDNN
访问NVIDIA官方网站上的CuDNN页面以获取最新版或特定版本的库文件。选择与所安装CUDA版本相匹配的CuDNN版本至关重要；例如，如果使用的是CUDA 11.3，则应当下载适用于该版本的CuDNN软件包[^3]。

#### 配置环境变量
解压下载好的CuDNN压缩包后，将其中的内容复制到CUDA目录下的相应位置：
- 将`include`文件夹中的头文件复制到CUDA安装路径下的`include`文件夹内；
- 把`lib`文件夹里的共享库文件（如`.dll`, `.so` 或者 `.dylib` 文件）放到CUDA安装路径下的`lib`文件夹里[^1]。

#### 测试安装是否成功
可以通过编写简单的测试程序来验证CuDNN是否被正确加载和初始化。这里给出一段Python代码作为例子：

import torch
print(torch.cuda.is_available())
x = torch.rand(5, 5).cuda()
y = torch.rand(5, 5).cuda()
z = x @ y
print(z)

这段脚本会尝试创建两个随机矩阵并将它们移动到GPU设备上执行乘法操作。如果没有报错并且能够正常打印出计算结果，则说明CuDNN已经被成功集成到了现有的PyTorch框架中。