第一步：查看是否有支持安装CUDA的NVIDA显卡（命令 control /name Microsoft.DeviceManager）

第二步：查看是否有NVIDA显卡驱动程序，如果有，就不用安装了（一般刚装完系统都会安装这些驱动），建议自动更新驱动程序一下，没有，请下载安装，地址：https://www.geforce.cn/drivers，有两种安装方式，自动和手动，选择适合自己电脑的显卡驱动下载，安装很简单，直接下一步就可以，默认系统安装路径。

安装完后，可以打开NVIDA控制面板，查看GPU显卡所支持的CUDA版本，具体开始菜单 -》NVIDIA控制面板-》帮助-》系统信息-》组件-》nvidia.dll后面的cuda参数，可以看到，我的显卡支持版本为12.8，所以我下载安装cuda12.8版本。

下载与安装CUDA

第二步：下载完后，双击

第三步：安装cuda

第四步：nvcc –version 命令查看安装是否成功

验证deviceQuery和bandwidthTest,在命令窗口运行测试文件，定位到 在cuda安装目录的deviceQuery.exe  bandwidthTest.exe两个地方的Result=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。

如果以上都没问题，则说明CUDA安装成功，至于Cuda安装成功之后的使用，我们可以在Visual Studio中写C++代码使用，也可以在Anaconda和Pycharm中写Python代码使用，额外下载安装cudnn，CUDNN是一个常见的神经网络层加速库文件，能够很大程度把加载到显卡上的网络层数据进行优化计算，而CUDA就像一个很粗重的加速库，其主要依靠的是显卡。CUDNN需要在有CUDA的基础上进行，CUDNN可以在CUDA基础上加速2倍以上。

二、cuDNN安装

1、下载cuDNN

根据安装好的CUDA版本选择合适的cuDNN版本，注意这里是需要注册登录的：

2、安装cuDNN

解压文件：

tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz

将解压后的头文件和库复制到cuda目录中：

cd cudnn-linux-x86_64-8.9.7.29_cuda11-archive
sudo cp include/cudnn*    /usr/local/cuda/include 
sudo cp lib/libcudnn*    /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*   /usr/local/cuda/lib64/libcudnn*

cuDNN安装完成，查看安装的版本：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

显示：

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 9
#define CUDNN_PATCHLEVEL 7
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

三、torch-CUDA虚拟环境安装

如果使用pytorch，一般在安装pytorch的同时已经设置好cuda的安装，优先虚拟环境安装的cuda版本：

1、torch+cuda安装

2、cudnn安装

conda install cudnn

3、验证

1）激活虚拟环境

2）python输入“import torch”指令导入torch模块

3）print(torch.version.cuda) 查看cuda版本

4）print(torch.backends.cudnn.version()) 查看cudnn版本