电脑配置GPU加速器||电脑配置CUDA，cuDNN

@查看电脑是否有GPU 任务管理器—>性能
@查看CUDA是否安装成功及其版本 win+r—>cmd—>nvcc -V
@卸载原先版本的NIDIA CUDA
1.采用Display Driver Uninstaller工具https://www.wagnardsoft.com/
具体使用方法https://zhidao.baidu.com/question/563461804.html

2.pycharm配置GPU环境
https://blog.csdn.net/qq_39797713/article/details/103948041?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control
查看电脑适合的CUDA版本和对应的cuDNN版本及其下载
https://blog.csdn.net/qq_39797713/article/details/103947951
（1）首先下载安装CUDA

@查看CUDA是否安装成功及其版本 win+r—>cmd—>nvcc -V
（2）下载cuDNN https://developer.nvidia.com/rdp/cudnn-archive
(检验是否配置库：到CUDA安装目录下的 bin目录或者include目录中是否有包含 cudnn字样的.h文件。)
官网下载好后可以直接解压文件夹。然后将这个文件夹下的文件按照如下操作复制到CUDA路径下：
复制 \cuda\bin\cudnn64_7.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
复制 \cuda\ include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
复制 \cuda\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
复制好后，也就相当于安装好了cuDNN

cuda安装教程+cudnn安装教程（包括添加环境变量）
https://blog.csdn.net/sinat_23619409/article/details/84202651

pycharm中使用GPU跑程序https://blog.csdn.net/zqx951102/article/details/89462160

（原）pycharm中使用CUDA_VISIBLE_DEVICES
https://blog.csdn.net/weixin_34174132/article/details/86453915?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control

‘nvidia-smi‘ 不是内部或外部命令，也不是可运行的程序 或批处理文件。https://blog.csdn.net/qq_40678222/article/details/112076858

nvidia-smi可以显示显卡信息,但torch.cuda.is_available()一直显示false
添加链接描述

CUDA与显卡驱动版本对应关系（这个一定得去网上找全的，不然容易踩雷）
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#title-new-features

windows下CUDA的卸载以及安装https://blog.csdn.net/m0_37605642/article/details/99100924

https://zhuanlan.zhihu.com/p/339062791
cuda11.1 + cuDNN v8.0.4 for CUDA 11.1 配置流程 在NVIDIA官网下载与cuda11.1版本对应的cudnn8.0.4，下载地址为：https://developer.nvidia.com/rdp/cudnn-archive建议下载cuDNN Library for Linux (x86_64)安装包。