虽然在PC端配置深度学习环境本身并不太麻烦，但是如果尝试使用GPU加速的话，会有点麻烦。
一是因为下载CUDA和CUDNN很麻烦。 因为服务器在国外。 二是各个版本一致涉及硬件软件深度学习框架制造商三者，因此是各个版本一致的问题。
本文介绍了安装说明，然后提供了CUDA和CUDNN的安装软件包。 参见百度云链接。
软件背景：
操作系统： windows 10
GPPU:GeForce GTX 1660Ti
以
1 查看自己的显卡版本
NVIDIA显卡为例
打开NVIDIA控制面板，单击帮助，然后从下拉菜单中选择系统信息。 请参照下图。
在新界面中单击组件时，将显示有关显卡的信息。 请关注你的CUDA版本信息。 在此列中，版本为11.1。 那么，下载CUDA安装包时，版本不能超过11.1。
2 下载CUDA以及CUDNN库
2.1 CUDA的下载
CUDA的下载链接如下。
359开发者. Nvidia.com/zh-cn/cuda -下载
你进去后的接口如下。
他的默认选择是11.1版本的软件包下载界面。 此时，建议不要使用最新版本的软件包。 由于各框架的制造商对最新的支持不是很快，所以建议安装低版本的。 例如，如果最新版本为11.x，则建议优先考虑10.X。 这样做的好处是每个框架都可以提供支持。 更安全的方法是去你使用的框架的主页，确认他们支持哪个版本。 例如，pytorch应该如下图所示。
由于第一个界面显示可以支持10.2和11.1，因此请考虑在安装时安装这两个版本。 如果您的计算机不支持这两个版本，可以单击左下角的“Previous version of Pytorch”查看她过去的版本，以查找相应版本的下载和安装。
返回上述主画面后，只有cuda11的下载链接，因此需要查找其他版本的下载链接。 在画面下面可以看到早起版本的语言。 请点击他：
进入后的接口如下。
在上面的图像中选择符合需要的版本后单击，会显示如下画面。
然后，继续选择适合你的系统的版本，点击下载。 如上图所示。
2.
2 CUDNN的下载
CUDNN的下载链接如下：
https://developer.nvidia.com/rdp/cudnn-download
进入之后，你需要注册一个英伟达账号，然后回答一系列问题，才能够正常下载，此时的下载界面如下：
此时主界面只有两个版本的CUDNN可以下载，如果主界面的两个版本与你的CUDA版本不匹配，那么就点击Archived cuDNN Releases，这里会有所有的历史版本链接
然后去界面选择要下载的CUDNN版本，在这里要注意，一定要下载与CUDA相匹配的CUDNN版本！！！
3 CUDA以及CUDNN安装
3.1 CUDA安装
双击下载好的CUDA，如果C盘足够大，建议使用默认路径，可以减少不必要的麻烦。如果C盘不够用，可以自定义其他地方为安装路径。不论安装在哪里，都要记住这个路径，因为后面会用到。
3.2 CUDNN安装
将下载的CUDNN文件解压出来，你会看到如下几个文件
此时，将这三个文件夹内的内容，分别复制到CUDA安装根目录对应的文件夹内，注意，是复制文件，不是直接复制文件夹。
如果你使用的是默认安装目录，那么你的目录应该是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA。在这个目录下，也存在单薄的帽子,include,lib这三个文件夹
3.3 添加环境变量
右键单击‘此电脑’然后选择‘更多’，然后点击‘属性’
然后选择高级系统设置
然后点击‘环境变量’
然后，选择‘path’，然后点击编辑：
然后在新出来的界面点击‘新建’
将如下几个路径添加到环境变量中：
1. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\单薄的帽子
2. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
3. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\单薄的帽子
4. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
注意：要填写你自己的安装路径！！！
3.4 测试是否安装成功
3.4.1 进入Windows命令行
3.4.2 进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
运行deviceQuery.exe和bandwidthTest.exe文件
如果都没有报错，那么就是安装成功了。
你还可以在cmd下输入nvcc -V查看CUDA的版本
至此，显卡的硬件配置完全完成了。
下一篇写写Paddle和Pytorch配置GPU的问题。
极速赛车买前5名的方法32152?from=pc”>
然后点击‘环境变量’
然后，选择‘path’，然后点击编辑：
然后在新出来的界面点击‘新建’
将如下几个路径添加到环境变量中：
1. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\单薄的帽子
2. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
3. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\单薄的帽子
4. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
注意：要填写你自己的安装路径！！！
3.4 测试是否安装成功
3.4.1 进入Windows命令行
3.4.2 进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
运行deviceQuery.exe和bandwidthTest.exe文件
如果都没有报错，那么就是安装成功了。
你还可以在cmd下输入nvcc -V查看CUDA的版本
至此，显卡的硬件配置完全完成了。
下一篇写写Paddle和Pytorch配置GPU的问题。