1.2.查看本地显卡

1.3.本地显卡是否支持CUDN

        查看是否支持地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

        例如我本地支持：

2.安装显卡驱动

2.1.下载显卡驱动

        官方驱动地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

 2.2.安装显卡驱动

        下载完成后双击安装，根据程序默认继续下一步即可。

2.3.重启电脑

         安装完成后，需要重启电脑。

3.选择CUDA和cuDNN版本

3.1.驱动支持版本

        CUDA的版本依赖于显卡的驱动程序版本，首先查看GPU驱动版本，win搜索NVIDIA控制面板。

         可以看到我的版本号是551.61。

        官方版本支持地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

        我的驱动版本是551.61，因此可以安装CUDA 12.3.x。但是由于机器学习tensorflow框架是有版本限制的，所以选择框架支持的版本11.2.0。（下一小节说明了框架的支持版本） 

3.2.根据机器学习框架tensorflow选择CUDA、cuDNN版本

        CUDA、cuDNN、TensorFlow 版本选择：

        官方支持版本地址：https://tensorflow.google.cn/install/source_windows#gpu

         最新支持CUDA11.2，向下兼容发现可以安装cuDNN8.1和tensorflow_gpu-2.6.0。

4.安装CUDA

4.1.下载CUDA

        下载地址：https://developer.nvidia.com/cuda-toolkit-archive
        由上一章节可知，我本地选择：CUDA11.2，cuDNN8.1（根据实际选择对应版本）

 4.2.安装CUDA

        下载到本地后双击安装：

         安装完成后检查环境变量中的变量：

nvcc -V

5.安装cuDNN

5.1.下载cuDNN

        cuDNN下载（最新版本）：https://developer.nvidia.com/zh-cn/cudnn
        cuDNN历史版本：https://developer.nvidia.cn/rdp/cudnn-archive
        由于我们选择的是cuDNN8.1版本：

5.1.安装cuDNN

         下载之后解压有以下内容：

         都复制到（除了NVIDIA_SLA_cuDNN_Support.txt文件）CUDA的安装目录（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2）下。