最终选择：

在创建的新环境下

python 3.8.*

paddlepaddle-gpu              2.5.1.post120

CUDA 12.0

CUDNN 8.9（需配合CUDA的版本）

1.

本机GPU硬件信息

打开NVIDIA Control Panel->System Information->Components，能看到NBCUDA64.DLL的信息

2. 查看CUDA安装的版本

CMD 中输入命令：nvidia-smi

理论上，可以安装CUDA的最高版本未12.2 

3. 当正确安装CUDA之后，

CMD 中输入命令：nvcc --version

4. 安装CUDA

这里可以看到最新的版本 ： https://developer.nvidia.com/cuda-downloads

但因为，我的硬件状态，我选择了历史版本 ：CUDA Toolkit Archive | NVIDIA Developer

我选择的 ：cuda_12.0.0_527.41_windows

安装过程使用推荐即可。

同时需要选择，允许添加环境变量。

5. 下载CUDNN

https://developer.nvidia.com/rdp/cudnn-archive

在这里选择可以匹配CUDA的版本即可。

将CUDNN的bin，include，lib文件夹，挪到CUDA->V12.0的文件加内。

6. 首先查看paddlepaddle可以匹配的CUDA 和CUDNN

开始使用_飞桨-源于产业实践的开源深度学习平台

开始安装的介绍，这里能够看到，需要满足的条件并且安装 GPU 版 PaddlePaddle。

当前最高的paddlepaddle-gpu 为2.6.

如果我选择了paddlepaddle-gpu 为2.6， 那么CUDA 需要配合11.8，cudnn8.6

我的设备无法使用CUDA12.2以上的版本。

并且因为我已经装了CUDA 12.0的版本，所以我需要去paddlepaddle-gpu的历史版本，选择和CUDA12.0匹配的版本。

飞桨PaddlePaddle-源于产业实践的开源深度学习平台

选择最后一项。

7. 测试paddlepaddle-gpu

import paddle

paddle.utils.run_check()

即为成功。

可能也会有一些错误。例如一些动态链接库不存在之类的。去将相应的动态链接库下载，放到指定位置即可。