在深度学习当中，我们训练模型通常要对模型进行反复的优化训练，仅用CPU来进行训练的话需要花费很长时间，但是我们可以使用GPU来加速训练模型，这样就可以大大减少训练模型花费的时间。
首先我们需要一张NVIDIA显卡
在搜索栏中搜索设备管理器
前往NVIDIA官网下载显卡对应的Studio驱动
NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA
（尽量安装比较早的驱动可以避免适配问题，新的应该也没什么大碍）
下载完直接安装在默认目录就行了
打开CMD输入
nvidia-smi
获取驱动对应的CUDA版本
去CUDA官网下载对应的CUDA版本
CUDA Toolkit Archive | NVIDIA Developer
同样安装在默认目录
需要注意的是，我们在这里选择自定义安装方式，取消勾选Visual Studio Integration（如果你有Visual Stduio环境可以忽略）
其他的可以不管
安装成功后应当会在系统变量中自动添加这几个环境变量
也可以打开cmd输入
nvcc -V 进行检验
下载cudnn的包
cuDNN Archive | NVIDIA Developer
解压之后，把这三个包复制到CUDA的本体文件夹中，然后替换相同文件，这个文件夹我们还需要设置环境变量
在path中添加最后的环境变量
前四个都是CUDA本体，第五个是cuDNN这个包的bin文件夹（我把它放在CUDA本体的位置方便管理）
标签：训练,Python,深度,CUDA,NVIDIA,GPU,安装,环境变量 From： https://www.cnblogs.com/xxaxf/p/18151650