前言

        在当今人工智能与深度学习的浪潮中，图形处理器（GPU）已成为不可或缺的计算引擎，其强大的并行处理能力能够显著加速模型训练与推理过程。而要充分释放NVIDIA GPU的潜能，离不开两大核心软件工具：CUDA® 和 cuDNN。CUDA是NVIDIA推出的通用并行计算平台和编程模型，它允许开发者利用GPU解决复杂的计算问题。cuDNN则是NVIDIA针对深度神经网络原语提供的GPU加速库，它优化了诸如卷积、池化、归一化等常见操作，是主流深度学习框架（如TensorFlow, PyTorch）赖以运行的基础。

        然而，对于许多初学者甚至有一定经验的开发者而言，在Windows系统上正确安装和配置CUDA与cuDNN环境仍是一个不小的挑战。过程中不仅需要确保显卡驱动、CUDA工具包、cuDNN库三者版本的严格兼容，还需进行正确的路径配置与系统验证。一个微小的疏忽就可能导致后续开发工作无法进行。

        为此，我们编写了这份详尽的图文安装教程。它将引导您从一个完全的起点开始，系统地完成从环境检查、软件下载、安装配置到最终验证的每一步操作，帮助您扫清障碍，成功搭建稳定高效的高性能计算基础环境，为后续的深度学习项目开发奠定坚实的基石。

1. 查看显卡支持的CUDA版本

1.1 使用命令行查看

1. 按下 Win + R 键，输入 cmd 打开命令提示符
2. 输入命令：

   nvidia-smi

3. 查看输出结果：
   Driver Version：显示显卡驱动版本
   CUDA Version：显示显卡支持的最高CUDA版本

1.2 通过控制面板查看

1. 在开始菜单中找到 NVIDIA Control Panel 单击打开 

   

2. 点击菜单栏的 帮助 → 系统信息

   

3. 在显示标签中可以看到显卡驱动版本

   

4. 在组件标签中可以看到支持的CUDA最高版本

   

2. 安装CUDA

2.1 下载CUDA

1. 访问NVIDIA官方CUDA下载页面 CUDA Toolkit Archive | NVIDIA Developer：
   

2. 根据步骤1中查到的支持版本，选择对应的CUDA版本下载（如本人的是12.0.139，就选择12.0.1及以下的版本就行）
   

3. 选择操作系统环境（Windows）
   

4. 下载本地exe安装包
   

2.2 安装CUDA

1. 启动安装

   • 双击下载的exe文件
     
   • 建议使用默认安装路径，点击OK

   

2. 安装设置

   • 进入系统检查——等待时间可能较久。

     

   • 进行许可协议，点击“同意并继续”。

     

   • 进入选项选择自定义。选择需要安装的组件，如果不需要Visual Studio集成，可以取消勾选"Visual Studio Integration"，（建议先尝试安装，如果失败再取消此选项；Visual Studio Integration需要本机拥有适配的VS）
     记住安装路径，后续设置环境变量时需要用到，点击下一步开始安装

     

      

     

   • 安装中——等待时间可能较久。

     

   • 完成安装。点击下一步，然后关闭安装程序

     

2.3 验证CUDA安装

方法一：检查环境变量

1. 右键点击"此电脑" → “属性” → “高级系统设置” → “环境变量”
2. 在系统变量中检查是否包含以下变量（路径可能因版本而异）：

   CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0
   CUDA_PATH_V12_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0
   

方法二：命令行验证

1. 打开cmd命令提示符
2. 
   运行以下命令检查CUDA版本：

   nvcc --version
   

   或

   nvcc -V

3. 也可以查看CUDA路径：

   set cuda
   

   

   如果以上步骤都能正确显示信息，说明CUDA安装成功！

3. 安装cuDNN

3.1 下载cuDNN

1. 访问NVIDIA cuDNN下载页面Index of /compute/cudnn/redist/cudnn/windows-x86_64（需要注册NVIDIA账号）：
   

2. 选择与已安装CUDA版本对应的cuDNN版本
   注意：参考CUDA 和cuDNN版本对照表，选择最高适配版本及以下版本。考虑到稳定性，建议不直接使用最新版本。

   《CUDA、cuDNN 与 TensorRT 版本对照表》

   TensorRT 版本	默认 CUDA 版本	支持 CUDA 范围	推荐 cuDNN 版本	最低驱动版本
   10.8.0 GA (2025-01-31)	12.8.0	11.8 - 12.8	9.0	550.54.15
   10.0.1 GA (2024-04-24)	12.4.0	11.4 - 12.4	8.9	535.86.10
   9.0.1 GA (2023-09-07)	12.2.0	11.0 - 12.2	8.6	525.60.13
   8.6.1 GA (2023-05-02)	11.8.0	11.0 - 11.8	8.5	510.47.03

因此选择了cudnn-windows-x86_64-8.9.0.131_cuda12-archive.zip

3.2 安装配置cuDNN

1. 解压文件

   下载的cuDNN通常为压缩包格式，如：cudnn-windows-x86_64-9.1.0.70_cuda12-archive
   将压缩包解压到任意位置。
   打开解压后的文件夹，可以看到三个子文件夹：bin,include,lib
   

2. 复制文件

   • 将这三个文件夹中的所有文件复制到CUDA安装目录下
   • 默认CUDA安装路径通常为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0 可以查看之前安装的位置。

     

   • 复制时如遇到同名文件，选择覆盖即可

3.3 验证cuDNN安装

1. 打开命令提示符
2. 切换到CUDA安装目录下的demo_suite文件夹：

   cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\extras\demo_suite"
   

3. 运行以下测试程序：

   bandwidthTest.exe

   
   
   和

   deviceQuery.exe

   
4. 如果两个测试都显示"PASS"，说明cuDNN安装成功

4. 安装注意事项

1. 版本兼容性：确保CUDA版本、cuDNN版本和显卡驱动版本相互兼容
2. 安装顺序：先安装CUDA，再安装cuDNN
3. 路径设置：安装过程中注意记录安装路径，便于后续环境配置
4. 系统重启：安装完成后建议重启计算机以确保所有设置生效

按照以上步骤操作，您应该能够成功安装CUDA和cuDNN，为深度学习开发环境做好准备。

---

转载吱一声~