本文档安装流程

• 通过“NVIDIA 控制面板”确定CUDA版本；
• 下载CUDA安装包并安装；
• 验证CUDA安装是否成功；
• 环境变量配置–添加CUPTI路径

（一）查看显卡驱动支持的CUDA最高版本

版本的确定非常重要，一旦选错，后面想安装tensorflow也不容易，会报很多错，而报错的原因还是因为CUDA、cuDNN和tensorflow之间的版本没有确定好。
另外补充一点，在配置深度学习的环境时，很多时候软件的版本不要选择最新的！！！

大致步骤：通过“NVIDIA 控制面板”查看。具体如下：

在电脑桌面空白处点击鼠标右键，单击“NVIDIA 控制面板”。

图1-打开“NVIDIA 控制面板”

 
 
点击左下角的“系统信息”

 
 
在“显示”一栏中，可以看到“驱动程序版本”为442.19

图2-驱动程序版本

 
 
点击“组件”
 
 

找到NVCUDA.DLL一栏，产品名称为“NVIDIA CUDA 10. 2.131 driver”，可以看到CUDA版本为10.2.131

补充说明：这里的10.2.131只是表示电脑支持的CUDA版本最高为10.2.131，不一定非要安装10.2.131，可以选择安装10.2.89、10.1、10.0、9.0等等，需要根据实际情况。即：可以低于10.2.131，但不能高于它。

图3-驱动程序对应的CUDA版本

 
 
 
此外，也可以在NVIDIA官网的CUDA版本说明中进一步确定电脑驱动程序对应的CUDA版本（见图4）。网址为：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

图4-电脑驱动程序对应的CUDA版本    

我的电脑是windows系统，所以看最右边一列，在图2中，我的电脑的 “驱动程序版本”为442.19，大于图4的441.22，可知对应的官网CUDA版本为10.2.89。
我猜测10.2.131新于10.2.89，但是官网没有。所以选择官网有的版本：10.2.89。

也就是说，我应该下载版本为10.2.89的CUDA

但是！！如果你和我一样，可以安装10.2.x版本的CUDA，请不要这么做！！
 

因为CUDA10.2.x是目前最新版本的，有非常大的概率会出问题。事实证明，我在验证tensorflow的时候，就出问题了→“DLL load failed: 找不到指定的模块。”而错误的原因就是版本不兼容。类似的情况见此链接：https://blog.csdn.net/dz4543/article/details/103711438
 

另外，这篇文章（在 Ubuntu18.04.1 上安装 TensorFlow2.0-GPU）的作者提到了这样一句话：“CUDA 版本已经升级到了 10.1，然而 TensorFlow2.0 目前只支持 CUDA10.0，所以你如果想要在 TensorFlow2.0 中使用 GPU 加速，那么你别无选择，只能安装 CUDA10.0！！！”https://www.tensorflowers.cn/t/8339
 

虽然我暂未找到官方文档的说明，但是我猜测Tensorflow对于CUDA版本的支持跟不上CUDA自身版本的更新，不论是windows还是ubuntu（只是猜测，如果有错，请指出）

 
 
总结：到目前（2020.2月底）为止，即便你的电脑支持的CUDA版本最高为10.2.x，也不要选择此版本的CUDA。你大可以选择10.1、10.0、9.0等等。

 
 
 
那么，到底应该选择哪样的CUDA版本呢？可以点击以下链接，查看各个版本（CUDA、cuDNN、tensorflow、python等之间的版本配置）
https://github.com/fo40225/tensorflow-windows-wheel

 
 
特别说明：这个表不是绝对的；另外，现在（2020年）网上很多“tensorflow与CUDA对应版本”的表格似乎有点老了，与CUDA目前更新速度有点差距；而tensorflow官方的文档又不给力。所以只能靠自己一点点摸索与尝试。
 
如果尝试到可以匹配使用的版本（基本不报错）就用下去吧，不必太纠结。
 
 
我恰好摸索出这样一套版本（亲测可用），供大家参考：
cuda_10.0.130_411.31_win10
cudnn-10.0-windows10-x64-v7.6.3.30
tensorflow-gpu-1.13.1
Anaconda3-5.2.0-Windows-x86_64（对应python3.6.5）
pycharm-community-2019.2.1 （pycharm用什么版本都可以，不会影响）






 
 
 
 

（二）下载CUDA并安装

确定好CUDA版本后就可以开始下载了。
点击下面这个链接，点击“Legacy Releases”（旧版本）
https://developer.nvidia.com/cuda-downloads

图5-“Legacy Releases”（旧版本）

 
 

点击“CUDA Toolkit 10.0”（请根据实际情况，选择刚刚确定好的CUDA版本）

 
 
根据提示（蓝色划线部分），点击红色部分的绿色按钮，选择自己电脑平台对应的信息

 
 

以下为我选好的信息截图

 
每一项依次为：Windows（操作系统）、x86_64（64位）、10（win10）、本地/离线安装（安装包类型）
 
其中，network和local的区别：
network：A network installer is a small installer client that will only download the required components during the installation. It is faster to download, but requires re-downloading each component with each new installation. （百度翻译：网络安装程序是一个小型安装程序客户端，只在安装过程中下载所需的组件。下载速度更快，但需要在每次新安装时重新下载每个组件。）
 
local：A local installer is self-contained and includes every component. It is a large file that only needs to be downloaded from the internet once and can be installed on multiple systems. Local installers are the recommended type of installer with low- bandwidth internet connections, or where using a network installer is not possible [such as due to firewall restrictions). （百度翻译：本地安装程序是自包含的，包括每个组件。它是一个大文件，只需要从internet上下载一次，就可以安装在多个系统上。本地安装程序是推荐使用低带宽internet连接的安装程序类型，或者在无法使用网络安装程序的情况下（例如由于防火墙限制）。）
 
 
简单来说：
network为在线安装，包体较小，一边下载一边安装（双击安装包后还要联网下载部分文件）；local为离线安装，安装包较大，为完整安装包，包含了安装所需要的所有的文件（双击安装包后无需再联网）。
推荐使用local安装，避免在网络状况不太好的情况下出现长时间等待或安装失败的情况。
 
 
 
下载完成，得到这样一个CUDA安装包

 

双击安装包，弹出“用户账户控制”，单击“是”

 
 

选择临时解压文件夹（这里是临时的，安装完后会自动删除，所以更改与否都无所谓）

 
 
解压过程有点漫长，耐心等待



 
 
 
解压完成后，自动进入安装界面（第一个界面，可能你的和我的会不一样，因为我当前的电脑装的驱动是最新的，比我下载的这个CUDA带的驱动版本还新。这里没什么影响）

点击“继续”

 
 
“同意并继续”

 
 
 
注意这一步，不要选择“精简”，要选“自定义”

 
 
 
到了这一步，请警惕，这里的勾选很关键（下图还未作勾选）
 
 
 
勾选要点：
1）去掉 “NVIDIA GeForce Experience”
实际上这个在“NVIDIA控制面板”中有提到，这个没什么用，无需安装

 
 

2）展开CUDA，去掉“Visual Studio Integration”
如果你的电脑里面没有安装Visual Studio（注意不是Visual Studio Code！），这里一定不能勾选；如果你的电脑安装了Visual Studio，这里可以勾选也可以不勾选，为了确保安装成功，建议不要勾选。（我的电脑没有安装Visual Studio，所以不勾选）

 
 
 
3）展开“Driver components”，找到“Display Driver”，根据情况，判断是否勾选。
“新版本”表示当前CUDA安装包所带的驱动版本，“当前版本”表示你的电脑当前的驱动版本
 
①如果你的电脑当前没有安装驱动，那么这一项一定要勾选上。（对应tensorflow-gpu软件要求的“NVIDIA GPUdrivers”）

②如果你的电脑安装了驱动，并且“当前版本”大于“新版本”，一定不能勾选。（因为版本低的不能覆盖版本高的）
 
③如果你的电脑安装了驱动，并且“当前版本”小于等于“新版本”，可以勾选，也可以不勾选（勾选的话，会用“新版本”覆盖“当前版本”。不勾选则不安装“新版本”）。

 
 

勾选后点击“下一步”
选择安装位置（位置可以更改）

 
 
这里我改成了D盘

题外话：建议文件夹名称短一些好，因为有一部分最终会添加到path中，我是学生，需要安装很多软件，配置很多条环境变量，而微软对path的长度有限制，文件夹名称太长会导致环境变量条数有限制（亲身经历，只是建议，不喜勿喷）

 
 
设置好安装位置后点击“下一步”，开始安装
注意：尽量不要同时进行其他高耗的活动，否则容易导致CUDA安装程序未响应，将自动关闭，安装程序一旦自动关闭，最开始的临时文件夹下的文件将消失，一切将从头开始。

 
 
 
安装完成

 
 
（非必需）可以大致看到刚刚取消勾选的VS确实没有安装上



点击“关闭”
至此，CUDA安装成功
 
 
 
 

（三）确认CUDA是否安装成功

1.确认nvcc（英伟达的编译器）

1）在CUDA安装路径的bin目录下，查找nvcc.exe。有则表明CUDA安装成功。

 
 

也可在命令行输入“nvcc -V”（该命令：查看nvcc版本信息），如果内容如下，则安装成功。

 
 
题外话：之所以能在命令行中搜索到，是因为它被自动添加到path中
 
另外，其实一台电脑可以安装多个CUDA，使用哪个可以自己设置。比如电脑中装了9.0和10.2两种，环境变量中就会有2条对应CUDA9.0，有2条对应CUDA10.2（同一个版本的要挨在一起），如果要使用CUDA9.0，就要将CUDA9.0对应的那两条环境变量上移，移到CUDA10.2的两条环境变量的前面（因为命令“echo %PATH%”在搜索时是按照顺序搜索的）

 
 
以下图为例，由于CUDA10.0在CUDA9.0上面，所以调用的是CUDA10.0

 
 
 

2.确认CUPTI

如果能按照以下路径，找到“cupti64_100.dll”文件，说明CUPTI存在
CUDA安装路径–“extras”文件夹—“CUPTI”文件夹—“libx64”文件夹—“cupti64_100.dll”文件
 
 
补充：
1）“libx64”文件夹也可能是lib64。不同版本的CUDA可能会不一样，比如CUDA10.2的就是lib64
2）关于“cupti64_100.dll”文件：
下划线后面的数字和CUDA版本一致，例如CUDA为10.2，则文件名为cupti64_102.dll

 
 
 
 

（四）环境变量配置：添加CUPTI路径

在“cupti64_100.dll”文件所在路径下，单击地址栏即可复制“cupti64_102.dll”文件所在路径
即D:\myDL\CUDAv10_0\Toolkit\extras\CUPTI\libx64（请复制自己的，不要复制我的）

 
 

右击左侧的“此电脑”—单击“属性”—“高级系统设置”—“环境变量”—双击下方系统变量的“path”




 
 
“新建”—在最下方光标闪烁处粘贴刚刚复制的路径
D:\myDL\CUDAv10_0\Toolkit\extras\CUPTI\libx64

 
 

选中这一项，不断点击“上移”，使之最终与CUDA10.0挨在一起

 
 
 
这三者的先后顺序无关紧要，主要是要保证三者挨在一起

 
 
最后一路单击“确定”来关闭面板

 
 
至此，CUDA的安装及配置均完成
 
 
 
 
 
 
 
 
上一篇文章：1-一、安装NVIDIA控制面板
下一篇文章：3-三、安装cuDNN