2.安装CUDA

第一步：安装anaconda
注意：安装CUDA之前需要安装好anaconda，详见安装anaconda详细步骤（含安装截图）

2.0 CUDA是什么，为什么要安装它？

CUDA（Compute Unified Device Architecture）是由NVIDIA推出的并行计算平台和编程模型，允许开发者直接利用GPU（图形处理器）的强大计算能力来加速通用计算任务。与CPU（中央处理器）相比，GPU具有数千个小型核心，特别适合并行计算，能显著提升深度学习、科学计算等大规模数值运算的效率。

在深度学习环境中，框架如PyTorch、TensorFlow都需要CUDA的支持，才能在NVIDIA GPU上高效运行。如果没有CUDA，深度学习训练可能完全依赖CPU，计算速度会慢几个数量级。因此，安装CUDA是搭建高性能深度学习环境的关键一步。

补充：CUDA的核心优势在于它提供了高效的线程调度、内存管理和计算原语，使复杂的张量运算能被硬件高效执行，减少与主机CPU的通信开销。

2.1 验证计算机是否安装CUDA

首先打开命令行，检查有没有安装CUDA

点击win+R，然后输入cmd，点击回车 # 打开命令行窗口
nvcc -V 或者 nvcc --version # 查看CUDA的版本号

图20

2.2 查看显卡支持的CUDA最高版本

在刚才的命令行窗口中输入：NVIDIA-smi，查看电脑显卡支持的CUDA的最高的版本号。

我的电脑最高支持CUDA的版本是12.0，见下图。

图21

2.3下载CUDA

1. 确定要安装的CUDA的版本

我的电脑最高支持CUDA版本为12.0
当时的pytorch支持的CUDA最高版本为11.8（这个可以在pytorch官网查看，见图21.1），所以我下载11.8版本的CUDA。

注：下载安装的CUDA版本要和自己计算机适配，还要在计算机适配的前提下，尽量查看最新pytorch需求的CUDA版本，安装满足这两个条件的CUDA版本。

图21.1

2. CUDA官网下载

   见图22-24 图22
   图23 图24

   Little Tips
   在download按钮上面点击右键，复制下载链接，系统会自动识别下载链接到迅雷中去，下载速度会快很多。
   
   图25

2.4 安装CUDA

在下载好的安装包上点击右键，管理员身份运行安装，见图26-35

图26

我这里指定了安装位置（图27），也可以使用默认的安装位置，但是需要记一下安装位置，稍后需要配置环境变量。

图27

图28

图29

图30

图31

图32

图33

图34

图35
到此安装结束

2.5 检验CUDA是否安装成功

1. 打开新的命令行窗口
   输入nvcc -V
   出现版本号，说明成功了
   图36

   安装的CUDA版本号是11.8

   查看CUDA的版本号：nvcc --version/nvcc -V

   查看CUDA的环境变量：set cuda
   图37

2. 查看环境变量
   
   图38

   点击【path】——【编辑】——看到两个环境变量也自己生成了
   
   图39
   至此，CUDA安装检验完毕，成功安装！
   下一步：安装CU_DNN