一、cuda、cudnn安装

1、查看本机支持最高版本

打开NVIDIA控制面板——点击系统信息——组件，即可看到当前支持的最高版本。
在这里插入图片描述

2、安装

CUDA的下载
 cudnn的下载

不想下载的可以看我已经下载好的
链接：https://pan.baidu.com/s/1rHr7Af_0Hu98Q75KDlwGjA?pwd=4869
提取码：4869

这里我们以cuda11.6为例：

aaa
cuda安装直接默认即可，不用设置不同的路径，设置相同路径不会互相影响。
一台电脑安装可以安装多个cuda版本，且不同版本之间不会覆盖。
不同版本的cuda之间的切换，只需将环境变量的路径置前即可。

cudnn并不是一个安装程序，而是一个C++运行库，包含头文件、lib文件、dll文件。下载完成后需要把相应文件复制到cuda的目录下。
解压cudnn压缩文件，会得到如下文件：
aaa

是选中cudaa内文件夹内的文件复制到对应cuda的文件夹中（Lib文件需将其复制到x64中）！！！

打开系统环境变量，可以看到在系统变量里多了两个CUDA_PATH和CUDA_PATH_V11_6，这两个变量是安装完cuda后自动添加的。
在这里插aaaa入图片描述
然后新建如下几个环境变量：
aac
一般新加的在最下面，所以需要重复点击“上移”将这四行移到最上面。

3、测试

大功告成！测试一下；
打开cmd，键入nvcc -V；
如果安装成功，并配置了环境变量，会输出cuda的版本信息。
(想改cmd颜色、背景的可以参考)
aca

二、Paddle—GPU

建议每个框架都新建一个环境，如下：
在这里插入图片描述

Paddle安装
aacc

python -m pip install paddlepaddle-gpu==2.3.2.post116 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

一般还需要paddlex:

pip install paddlex -i https://mirror.baidu.com/pypi/simple

测试：

import paddle
print(paddle.utils.run_check())

三、Pytorch—GPU

Pytorch安装
accc

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

测试:

import torch
print(torch.cuda.is_available())

四、TensorFlow—GPU

国内利用pip命令下载安装经常会遇到下载速度很慢甚至连接断开、响应超时等导致安装失败的情况。这时，我们可以选择国内的镜像配置pip源，仅需要在“pip install”命令后加入“-i 源地址”即可。
现在我们利用国内清华源安装TensorFlow的最新版本。

pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

测试:

import tensorflow as tf
# print(tf.test.is_gpu_available())
print('Num GPUs Available:',len(tf.config.list_physical_devices('GPU')))
print(tf.config.list_physical_devices('GPU'))

输出：

每日“大饼”：
人生的意义永远在于拓展而不在于固守别管我今天是谁我想成为一个更好的自己

三大框架（Paddle\Pytorch\Tensorflow-GPU）配置