查看cuda版本：鼠标右键，NVIDIA控制面板——系统信息——组件查看cuda版本

或者 Win+R ——cmd——输入命令：

nvidia-smi  

查看cuda版本

下载cuda11.4：下载cuda_11.4.0_471.11_win10安装程序，可以官网下载，下载比较快，如果你的cuda是其他版本需要下载对应版本，下载到哪个盘都可以

官网网址：https://developer.nvidia.com/cuda-toolkit-archive

安装cuda: 默认安装路径即可，不用更改，记住你的安装路径待会需要这个路径配置环境变量 

出现以下界面，安装完成

 配置cuda的环境变量：

CUDA_BIN_PATH    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin CUDA_LIB_PATH     C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\Win64 CUDA_SDK_BIN      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cudasdk\common\bin\Win64

CUDA_SDK_LIB  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cudasdk\common\common\lib\Win64

标注蓝色的意思是cuda的默认安装路径 安装地址：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

验证cuda安装是否成功： 重启电脑——Win+R——cmd——输入命令：

nvcc -V   

出现以下界面证明安装成功

下载cuDNN: 官网可以查看跟cuda11.4相匹配的cuDNN版本

官网网址：https://developer.nvidia.com/zh-cn/cudnn（打开很慢下载还需要注册，按照步骤注册即可，邮箱登录） 可以先登录再打开下载网址：https://developer.nvidia.com/rdp/cudnn-download 查找cuda对应的cuDNN版本，但是有时候打不开下载界面，建议知道版本后还是去csdn搜一下有没有相应版本的cuDNN安装包

cuDNN v8.2.2 百度网盘链接：https://pan.baidu.com/s/1dPk732KfiYCQlpeA3d1noA 
提取码：qwer

安装cuDNN： 下载cuDNN安装包之后解压得到三个文件夹 

 找到cuda的安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

1.找到这三个跟cuDNN解压后同名的文件夹

2.把cuDNN三个文件夹里面的内容，也就是这些LIB文件分别对应复制到cuda安装路径的三个文件夹中

 配置cuDNN环境变量： 设置——高级系统设置——环境变量——系统变量——path——编辑——新建

配置cuDNN环境变量：

需要path添加的环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\libvvp

验证cuDNN安装成功： 进入到cuda安装路径文件夹——extras——deno_suite文件夹下，找到 deviceQuery.exe  和   bandwidthTest.exe

Win+R——cmd依次输入命令：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite

deviceQuery.exe

出现以下界面证明安装成功

继续输入命令：

bandwidthTest.exe 

出现以下界面证明安装成功

Anaconda Prompt新建环境名为gpu的虚拟环境：

conda create -n gpu python=3.8

激活环境：

conda activate gpu

 pytorch安装： 建议离线安装 pytorch官网：https://pytorch.org/get-started/locally/

查看自己cuda版本的torch、torchvision和torchaudio具体版本，记下来待会下载对应的离线安装包

离线安装包下载网址：https://download.pytorch.org/whl/torch_stable.html 注意下载gpu版本的，而且需要跟自己建的环境的python版本对应

下载安装包到哪个盘都行，我一般先放在桌面上，然后到新建的环境下 pip install 加完整离线安装包的路径，如果放在桌面上直接把安装包拖到Anaconda Prompt里面路径自己就出现了，torch、torchvision和torchaudio具体版本离线安装都是一样的过程

把桌面上的安装包拖到pip install 后面即可出现完整路径

pytorch安装成功验证： 打开Pycharm自己新建的环境（安装pytorch）, 运行以下代码，True证明成功，如果步骤没有问题Flase可以重启看看， 一般Flase都是因为版本不匹配导致的，就需要重新下载对应版本安装包重新安装 直接复制代码如下：

#判断是否安装了cuda
import torch
print(torch.cuda.is_available())  #返回True则说明已经安装了cuda
#判断是否安装了cuDNN
from torch.backends import  cudnn
print(cudnn.is_available())  #返回True则说明已经安装了cuDNN

tensorflow-gpu安装： Anaconda Prompt到自己的新建环境下寻找可安装的tensorflow-gpu版本：

conda search tensorflow-gpu

然后命令行安装tensorflow-gpu相应版本即可，版本号相应改一下即可

例如：

pip install tensorflow-gpu==2.3.0 --default-timeout=10000 -i https://pypi.doubanio.com/simple

tensorflow-gpu验证安装是否成功： 打开Pycharm自己新建的环境（已安装pytorch）, 运行以下2种代码1种即可： 直接复制代码即可，出现GPU相关信息即可证明成功

import tensorflow as tf

gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
# 返回True或者False
tf.test.is_gpu_available()

 或者

from tensorflow.python.client import device_lib

# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
print(local_device_protos)

# 只打印GPU设备
# [print(x) for x in local_device_protos if x.device_type == 'GPU']

本文可能有些图片来源于网络，我也记不清了，侵权及时删。