搭建paddle框架需要安装CUDA和CUDNN
通常，在本地安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。
但不同的项目所需框架所支持的CUDA版本是不一样的，而框架和CUDA版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。所以可在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。
创建虚拟环境
创建所需新conda环境（此处或许需要科学上网）：
conda create -n paddle python=3.9选择安装与否 y or n，输入y，继续，等待直至新环境创建成功。
输入命令，切换环境命令：
conda activate paddle进入到paddle虚拟环境中。
安装CUDA
CUDA和CUDNN都有两种下载安装方式：一是直接从网上下载安装，二是先将压缩包下载至本地，再通过命令输入本地路径进行本地安装。
CUDA的安装使用方法一。
首先查询源内所有的cuda 版本，以及下载地址：
conda search cudatoolkit --info选择其中适合自己CUDA版本的套件，输入指令安装：
（查询CUDA版本方法：wins+R打开cmd，输入 nvcc --version）
（注意安装的套件要低于自己的CUDA版本）我的CUDA是12.1，安装11.8版本
conda install cuda -c nvidia/label/cuda-11.8.0等待安装完毕。输入conda list查询是否安装下来。
安装CUDNN
CUDNN安装使用方法二。
同CUDA一样，首先查询源内所有的cudnn 版本，以及下载地址：
conda search cudnn --info选择匹配上面CUDA版本的CUDNN，因为CUDA是11.8所以就下载图片上方的11.*这个，图中标出了cuda所对应的cudnn版本号位置，复制url地址，在浏览器下载并保存在本地指定路径。
然后使用命令安装CUDNN：（我把压缩包放在了桌面上）
# 命令为
conda install --use-local（后面是本地指定地址，如下例所示）
# 例如
conda install C:\Users\Desktop\cudnn-8.9.2.26-cuda11_0.tar.bz2等待安装完毕。输入conda list查询是否安装下来。
安装paddle
按照官网提供的方式安装即可：
但是要注意paddle版本和CUDA版本相匹配，CUDA11.8就选择对应的paddle。
开始使用_飞桨-源于产业实践的开源深度学习平台 (paddlepaddle.org.cn)
安装成功。
验证安装成功与否
官网给出了验证方法：
若安装错误，不是successfully可以卸载重新再下载。
在pycharm中验证paddle是否可运行
之前步骤和验证pytorch框架类似，可参考之前的分享贴：
深度学习之Pytorch+Pycharm环境配置与安装——Windows+CUDA12.1+Legion y9000p——避坑！简单！有效！_配置 cuda12.1-CSDN博客
新建test.py，导入import paddle，再验证，如下所示为成功：
希望你安装顺利！
参考链接
深度学习环境配置——conda虚拟环境安装CUDA和CUDNN_conda安装cuda-CSDN博客
仅在python虚拟环境中安装CUDA、CUDNN、PaddlePaddle-gpu-CSDN博客
conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了_conda cudnn-CSDN博客
飞浆安装配置流程_preconditionnotmeterror: the third-party dynamic l-CSDN博客