Nvidia CUDA 12+CuDNN 9 安装教程（上）
一、确保电脑有显卡
首先，需要确认你的电脑是否配备了NVIDIA显卡。右键点击“此电脑”，选择“管理”，进入计算机管理界面。
在设备管理器中，展开“显示适配器”选项，查看显卡型号。例如，我的电脑显卡型号是RTX 4070 Ti Super。
二、安装驱动
访问官网：进入NVIDIA官网（https://www.nvidia.cn/Download/index.aspx?lang=cn），查询并下载对应显卡型号的驱动程序。
安装驱动：选择适合操作系统的版本，下载安装包并安装。安装完成后，在Windows搜索框中输入“cmd”，打开命令提示符终端。
验证驱动安装：在终端中输入nvidia-smi，如果显示显卡信息，则说明NVIDIA驱动安装成功。
如果输入nvidia-smi显示不是内部或外部指令，请确保驱动程序与显卡型号一致，并确认安装完成。若问题依旧，可以尝试手动添加环境变量进行修复。
三、安装CUDA
CUDA版本号选择：
确保已成功安装英伟达显卡驱动。
进入cmd命令行提示符页面，运行nvidia-smi查看CUDA支持的最高版本号。例如，支持最高CUDA版本号为12.4，一般来说比其小的版本都支持。但新型显卡可能不支持最新的CUDA版本，因此可能需要降版本安装。
进入NVIDIA工具包说明页面（https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#title-resolved-issues），查看显卡支持的CUDA版本。
下载CUDA：访问CUDA Toolkit Archive页面（https://developer.nvidia.com/cuda-toolkit-archive/），根据显卡版本和操作系统选择适合的CUDA版本进行下载。例如，选择CUDA 12.3版本。
安装CUDA：下载完成后，点击exe文件运行安装程序。可以使用默认路径进行安装，安装成功后关闭安装程序。
验证CUDA安装：
检查环境变量：右键点击“此电脑”，选择“属性”，然后点击“高级系统设置”。在高级选项卡中点击“环境变量”，查看是否有CUDA相关的环境变量。如果没有，需要手动添加。
重新进入cmd窗口，运行nvcc -V命令，如果出现CUDA对应的版本号，则说明CUDA安装成功。
四、安装CUDNN
CUDNN版本号选择：参考NVIDIA官网的GPU、CUDA工具包和CUDA驱动程序要求页面（https://docs.nvidia.com/deeplearning/cudnn/support-matrix/index.html），根据显卡型号选择适合的CUDNN版本。例如，本显卡型号需要选择cuDNN 9.0.0版本。
下载CUDNN：访问cuDNN Archive页面（https://developer.nvidia.com/rdp/cudnn-archive），登录NVIDIA账号后，根据操作系统下载对应的cuDNN版本。
安装及配置CUDNN：
双击下载的cudnn_9.0.0_windows.exe应用程序，按照默认路径进行安装，直到安装成功关闭界面。
设置环境变量：打开系统环境变量设置页面，在Path变量中添加以下四个环境变量（注意路径需要与自己本地的CUDA安装路径一致）：
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv12.3bin
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv12.3libnvvp
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv12.3include
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv12.3lib
验证CUDNN安装：
进入cmd窗口，输入nvcc -V命令验证CUDA和CUDNN是否安装成功。
进入CUDA安装目录下的extrasdemo_suite文件夹，分别运行bandwidthTest和deviceQuery应用程序，如果显示正常结果，则说明CUDNN安装成功。
至此，CUDA和CUDNN的安装及配置已完成。接下来，可以继续配置Pytorch和TensorFlow等深度学习框架。请注意，这些框架的配置需要在安装好CUDA和CUDNN之后进行。
