1. AliOS
- 全称：AliOS（原名 YunOS）
- 开发者：阿里巴巴集团
- 类型：基于 Linux 的操作系统
- 用途 ：
- 最初是为智能手机开发的操作系统（对标 Android）。
- 后来转型为面向物联网（IoT） 和 智能汽车 的操作系统，例如 AliOS Things（用于嵌入式设备）。
- 特点：轻量、安全、支持云服务集成。
- 注意：不是主流服务器或桌面操作系统，和 CentOS、Ubuntu 等用途不同。
2. CentOS
- 全称：Community ENTerprise Operating System
- 类型：基于 Linux 的免费开源操作系统
- 背景 ：
- 原本是 Red Hat Enterprise Linux（RHEL）的社区克隆版，完全兼容 RHEL。
- 2020 年后，Red Hat 宣布 CentOS 停止传统版本更新，转向 CentOS Stream（一个滚动预览版，介于 Fedora 和 RHEL 之间）。
- 用途 ：
- 广泛用于服务器、云计算、Web 服务、数据库等企业级场景。
- 因其稳定性和免费特性，曾是很多开发者和公司的首选 Linux 发行版。
3. CUDA
- 全称：Compute Unified Device Architecture
- 开发者：NVIDIA
- 本质 ：一个并行计算平台和编程模型
- 用途 ：
- 允许开发者使用 NVIDIA GPU 进行通用计算（GPGPU），而不仅仅是图形渲染。
- 广泛应用于深度学习、科学计算、高性能计算（HPC）等领域。
- 关键点 ：
- 需要 NVIDIA 显卡支持（如 Tesla、A100、RTX 系列等）。
- 提供 C/C++ 扩展语法（如
__global__函数）来编写 GPU 代码。
4. CUDA Toolkit
- 是什么：NVIDIA 提供的一套开发工具包
- 包含内容 ：
nvcc：CUDA C/C++ 编译器- CUDA 运行时库（Runtime API）和驱动 API
- 调试和性能分析工具（如
nsight,nvprof） - 数学库（如 cuBLAS, cuFFT, cuSPARSE）
- 示例代码和文档
- 用途：用于开发和编译 CUDA 程序。
- 安装后：你的系统就可以编译和运行使用 GPU 加速的程序了。
5. GCC
- 全称：GNU Compiler Collection
- 开发者：GNU 项目（自由软件基金会）
- 用途 ：
- 是 Linux 系统中最常用的编译器套件。
- 支持多种编程语言：C、C++、Fortran、Go、Ada 等。
- 在 CUDA 中的作用 ：
- CUDA 编译器
nvcc在编译主机（CPU）代码时，会调用 GCC 作为后端编译器。 - 因此，安装 CUDA Toolkit 时，需要确保系统中有兼容版本的 GCC（NVIDIA 对 GCC 版本有要求，比如 CUDA 12.x 通常支持 GCC ≤ 12）。
- CUDA 编译器
6. cuDNN
- 全称：CUDA Deep Neural Network library
- 开发者：NVIDIA
- 用途 ：
- 专为深度学习优化的 GPU 加速库。
- 提供高度优化的实现：卷积、池化、归一化、激活函数（如 ReLU）等。
- 重要性 ：
- 几乎所有主流深度学习框架（如 PyTorch、TensorFlow）都依赖 cuDNN 来加速训练和推理。
- 安装 PyTorch/TensorFlow 的 GPU 版本时，通常需要先安装 CUDA Toolkit 和 cuDNN。
💡 注意：cuDNN 不是开源的，需要在 NVIDIA 官网注册开发者账号后免费下载。
7. PyTorch
- 开发者：Meta（原 Facebook）AI 团队
- 类型 ：开源的深度学习框架
- 特点 ：
- 动态计算图（eager execution），调试友好。
- 支持 GPU 加速（通过 CUDA + cuDNN）。
- 广泛用于研究、教学和工业部署。
- 与 CUDA 的关系 ：
- PyTorch 的 GPU 版本会自动调用 CUDA 和 cuDNN 来加速张量运算。
- 安装时需选择匹配 CUDA 版本的 PyTorch（如
torch==2.3.0+cu121表示支持 CUDA 12.1）。
它们之间的关系（简化流程）：
CentOS（操作系统）
↓
安装 GCC（编译器）
↓
安装 NVIDIA 驱动 + CUDA Toolkit（GPU 计算平台）
↓
安装 cuDNN（深度学习加速库）
↓
安装 PyTorch（深度学习框架，自动调用 CUDA/cuDNN）
AliOS 则属于另一个生态（嵌入式/IoT），通常不用于深度学习开发。