由于 PyTorch 稳定版需要 CUDA 11.8，本机目前是 CUDA 11.7，所以需要进行升级，同时建议 Python 使用 3.10 版本。

以下是在 Windows 10 上将 CUDA 11.7 升级到 CUDA 11.8 的分步指南：

步骤 1：检查系统兼容性

1. GPU 支持：确保你的 NVIDIA 显卡支持 CUDA 11.8。
   • 查看支持的 GPU 列表：NVIDIA CUDA 兼容性文档
2. 操作系统：Windows 10 版本需为 64 位（推荐最新更新）。
3. 驱动版本：CUDA 11.8 要求 NVIDIA 驱动版本 ≥ 516.01。
   • 通过 nvidia-smi 命令检查当前驱动版本（命令提示符中运行）。

步骤 2：下载 CUDA 11.8 安装包

1. 访问 NVIDIA CUDA 下载页面：
   https://developer.nvidia.com/cuda-11-8-0-download-archive
2. 选择以下选项：
   • Operating System: Windows
   • Architecture: x86_64
   • Version: Windows 10
   • Installer Type: 推荐选择 exe (local)（离线安装包更稳定）。
3. 点击下载 cuda_11.8.0_522.06_windows.exe。

步骤 3：卸载旧版本 CUDA（可选）

1. 卸载 CUDA 11.7：
   • 打开 控制面板 > 程序和功能。
   • 找到 NVIDIA CUDA Toolkit 11.7，右键选择卸载。
2. 保留旧驱动（可选）：
   • 如果当前驱动版本足够新（≥516.01），可以保留驱动；否则需更新驱动。

步骤 4：安装 CUDA 11.8

1. 关闭所有 GPU 相关程序：
   • 包括 PyTorch、TensorFlow、游戏、图形设计软件等。
2. 运行安装程序：
   • 双击下载的 cuda_11.8.0_522.06_windows.exe。
3. 安装选项：
   • 选择 Custom（自定义安装），确保勾选以下组件：
     • CUDA > Development（必须）
     • CUDA > Documentation（可选）
     • CUDA > Visual Studio Integration（如果使用 VS 开发）
   • 取消勾选旧驱动：如果当前驱动已足够新，取消勾选 Driver components。
4. 完成安装并重启系统。

步骤 5：配置环境变量

1. 检查环境变量是否自动更新：
   • CUDA_PATH 应指向 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8。
2. 手动验证（可选）：
   • 右键 此电脑 > 属性 > 高级系统设置 > 环境变量。
   • 确保 Path 包含以下路径：

     C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
     C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
     

步骤 6：验证安装

1. 检查 CUDA 版本：
   • 打开命令提示符，运行：

     nvcc --version
     

     输出应为 release 11.8。
2. 检查驱动和 GPU 状态：
   • 运行：

     nvidia-smi
     

     右上角显示的 CUDA 版本为驱动支持的最高版本（可能与实际安装的 Toolkit 版本不同）。

步骤 7：安装 cuDNN（可选，针对深度学习）

如果使用深度学习框架（如 TensorFlow/PyTorch），需安装与 CUDA 11.8 匹配的 cuDNN：

1. 下载 cuDNN v8.x for CUDA 11.8：NVIDIA cuDNN 下载（需注册账号）。
2. 将 cuDNN 文件解压并复制到 CUDA 安装目录（覆盖对应文件夹）。

常见问题

1. 驱动冲突：
   • 若安装失败，使用 DDU 工具 在安全模式下彻底卸载旧驱动，然后重新安装。
2. 环境变量问题：
   • 确保 Path 中 CUDA 11.8 的路径在旧版本之前。

完成以上步骤后，CUDA 11.8 即可正常使用。