CUDA +cnn安装

    目前的深度学习框架大都基于 NVIDIA 的 GPU 显卡进行加速运算，因此需要安装NVIDIA 提供的 GPU 加速库 CUDA 程序。
注： TensorFlow和pytorch 使用前，都需要安装CUDA和cuDNN

参照 win10安装CUDA和cuDNN详解

CUDA 官网下载地址 https://developer.nvidia.com/cuda-toolkit-archive
（这个地址经常找起来费时间）

参照 conda 安装 Pytorch（GPU）

-------------------------------以下是旧版本，参照上面的连接-------------------------------

硬件要求

1. 查看设备的显卡型号
   
2. 通过网站查询显卡信息
   支持 CUDA® 的 GPU 卡列表
   

软件要求

必须在系统中安装以下 NVIDIA® 软件：

• NVIDIA® GPU 驱动程序 - CUDA® 11.2 要求 450.80.02 或更高版本
• 安装CUDA工具包，如图进入下载
  
  
• cuDNN 神经网络加速库安装
      CUDA 并不是针对于神经网络专门的 GPU 加速库，它面向各种需要并行计算的应用设计。如果希望针对于神经网络应用加速，需要额外安装cuDNN 库。需要注意的是， cuDNN 库并不是运行程序，只需要下载解压 cuDNN 文件，并配置 Path 环境变量即可。
      打开网址 https://developer.nvidia.com/cudnn，选择“Download cuDNN”，由于 NVIDIA 公司的规定，下载 cuDNN 需要先登录，因此用户需要登录或创建新用户后才能继续下 载。登录后，进入 cuDNN 下载界面，勾选“I Agree To the Terms of the cuDNN Software License Agreement”，即可弹出 cuDNN 版本下载选项。选择 CUDA 匹配的 cuDNN 版 本，并点击“cuDNN Library for Windows 10”链接即可下载 cuDNN 文件，如图 1.30 所 示。需要注意的是， cuDNN 本身具有一个版本号，同时它还需要和 CUDA 的版本号匹配 上，不能下错不匹配 CUDA 版本号的 cuDNN 文件。
  
     下载完成 cuDNN 文件后，解压并进入文件夹，我们将名为“cuda”的文件夹重命名为 “cudnn821”，并复制此文件夹。进入 CUDA 的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6，粘贴“cudnn765”文件夹即可，此处可能会弹出需要管理 员权限的对话框，选择继续即可粘贴
  
  配置环境变量：
  

测试GPU是否可用

   交互式终端，输入“import tensorflow as tf”命令，如果没有错误产生，继续输 入“tf.test.is_gpu_available()”测试 GPU 是否可用，此命令会打印出一系列以“I”开头的 信息(Information)，其中包含了可用的 GPU 显卡设备信息，最后会返回“True”或者 “False”，代表了 GPU 设备是否可用。