NVIDIA (輝達) 推出一款非常容易部署的軟體，可協助開發人員運用 GPU 加速功能的威力，在影像分類、影音分析、語音辨識和自然語言處理等範疇開發各種具突破性的深度學習 (Deep Learning) 應用。

NVIDIAR cuDNN 是一個採用 CUDAR 平行編程模式且功能強大的程式設計函式庫，相較於只用 CPU 的運算方式，運用 GPU 可將深度學習的訓練程序加速多達 10 倍。具有容易部署特色和 Drop-In 設計的 cuDNN ，可讓開發人員快速開發全新的訓練模式，並進行最佳化和運用 GPU 加速器設計更多精準的應用。

機器學習關係到建立精密、多層次或「深入」的神經網絡，而深度學習是機器學習中一個快速成長的分類。這些網絡藉由分析龐大的訓練數據讓功能強大的電腦系統學習如何統組各種模式、物件等項目。

越來越多研究人員和程式設計人員了解 GPU 可為加速大型資料密集運算的訓練程序帶來重大好處，因此運用 GPU 加速深度學習應用的數量也因而大幅提升。

加州大學柏克萊分校研究人員已將 cuDNN 整合到 Caffe 架構中。這個架構是全球最廣泛採用的深度學習應用開發架構。

此外，在享譽盛名的 2014 年 ImageNet 大型視覺辨識競賽中有超過九成參賽隊伍，以及四分之三的獲勝者均使用 GPU 來設計他們各種突破性的深度學習應用。

欲瞭解更多全新 cuDNN 整合至 Caffe 架構的相關步驟及資訊，請瀏覽 cuDNN 網站。GPU 加速機器學習的好處，請瀏覽 NVIDIA網站。