摘要：搭建Windows系统下Cuda+CUDNN环境，注意C盘一定要大，建议1T+SSD
参考：
https://blog.csdn.net/weixin_61164016/article/details/127564466
https://blog.csdn.net/qq_43308156/article/details/127479544
https://blog.csdn.net/weixin_45068330/article/details/121241867
0、CUDA简介
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVIDIA推出CUDA，让显卡可以用于图像计算以外的目的。
1、检查本地环境
检测本地CUDA环境有两种方式：
nvcc -V与
nvidia-smi通常来说两个命令所得到的结果是不同的，显示的cuda版本不同，如下图：
CUDA有两个主要的API，runtime API(nvcc -V 显示的cuda)和driver API(nivdia-smi中显示的cuda)，两者都有相应的版本(例如8.0、9.0等)。对driver API的必要支持(e.g. libcuda.so on linux)，是由GPU驱动安装程序安装的。对runtime API(e.g. libcudart.so on linux, and also nvcc)的必要支持，是由CUDA工具包安装程序安装的。
因为由CUDA toolkit安装的cuda编译-驱动工具nvcc，总是会报告cuda运行时版本。nvcc不知道系统安装了什么驱动版本，甚至不知道系统是否安装了GPU驱动。
所以，这两个版本不必完全相同，因为它们反映了两种不同的cuda API。而且在大多数情况下，nvidia-smi报告的cuda版本在数值上等于或高于nvcc -V报告的cuda版本。
总结来说，driver API（nvidia-smi）显示的版本是系统运行或游戏使用的CUDA驱动，是给显卡本身用的，而runtime API（nvcc -V）显示的版本，是深度学习服务可用的CUDA环境，通常来说，driver API（nvidia-smi）显示的版本必须 >= runtime API（nvcc -V）显示的版本，也就是说，driver API可以尽量安装最新版本，而runtime API根据需要来安装版本即可。
2、下载CUDA、CUDNN
访问英伟达网站 https://www.nvidia.cn/geforce/drivers/ 下载CUDA工具包。（前面查看了你的设备最高支持的版本，只要版本比这个低就行了）
访问 https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10 下载CUDNN环境。
此处提供CUDA11.7及对应CUDNN百度网盘地址：
CUDA：https://pan.baidu.com/s/1Ol4SAGHy7weaaXwaItR2hw?pwd=jzrn
CUDNN： https://pan.baidu.com/s/1Exq6AY2Ey2ZH3nStVRyBjQ?pwd=0ajm
3、安装CUDA及CUDNN
CUDA下载后建议全部下一步安装，此处CUDA会占用C盘5G左右空间。
CUDA安装后，会自动建立2个环境变量，如下图，如果没有自动建立，手工建立即可
手工建立以下环境变量
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.7
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64手工将以下环境变量添加到Path中：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64下载cudnn后直接将其解开压缩包，然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下（比如我的是在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2 ）
注意是把整个文件夹复制（bin,include,lib）
使用以下命令测试安装是否成功：
nvcc -V
4、安装Pytorch
pytorch镜像下载链接: https://download.pytorch.org/whl/torch_stable.html
下载相关版本pytorch与torchvision
- cu后面的表示cuda版本（例如：cu116对应cuda116版本）
- cp后面表示python版本（例如：cp39对应python3.9）
- win_amd64对应系统版本
此处提供1.7.0版本百度网盘地址： https://pan.baidu.com/s/1qzJ203Gn6Qyy6nCnv4eu6g?pwd=hyiq
下载whl文件后，使用pip安装，先安装pytorch再安装torchversion
安装完成后查看是否安装成功
python
import torch
torch.cuda.is_available() 出现以下结果代表安装成功：
