1、查看本机显卡

首先我们要确定本机是否有独立显卡，在计算机管理−设备管理器-显示适配器中，查看是否有独立显卡。

可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050。

接下来，测试本机独立显卡是否支持CUDA的安装：查询显卡是否支持安装 。

从上图中，可以看到我本机的独立显卡是支持CUDA安装的，计算力是6.1。

2、CUDA下载

CUDA下载

 

 

这里我选了CUDA Toolkit 10.0的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。大约是2.1G。

 

3、CUDA安装

双击打开，显示解压安装目录，不需要改变，默认即可。

 

接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，如果由于VS的原因，导致无法正常安装，可以换成自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。

4、CUDA环境变量设置

安装完成之后，便是配置环境变量。环境变量配置如下图所示。

5、CUDA测试安装是否成功

打开CMD，输入：

nvcc -V

 

 

输出版本即为成功。

6、CUDNN的下载

CUDNN下载

选择下载download cudnn，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。

然后因为我上一步CUDA的版本是10.0,而CUDNN的版本要跟CUDA版本一致，所以选择第二个下载即可。

7、CUDNN安装

下载之后，解压缩，将CUDNN压缩包里面的bin、include、lib文件直接复制到CUDA的安装目录下，直接覆盖安装 即可。

至此，所有的安装工作已经完成，你可以接下来去安装pytorch-gpu和tensorflow-gpu！

8、参考

深度学习GPU环境CUDA详细安装过程（简单快速有效） - 知乎

 win10下pytorch-gpu安装以及CUDA详细安装过程_mind_programmonkey的博客-CSDN博客_pytorch-gpu

 https://download.pytorch.org/whl/torch_stable.html