Win10 + RTX 2070 Super + CUDA 12.8 安装全攻略（含旧版本清理）

前言：为什么要升级 CUDA？

我在学习人工智能课程时，遇到了一个 GPU 计算环境的问题。

• 操作系统：Windows 10 64 位
• Python 版本：3.13
• 显卡：NVIDIA RTX 2070 Super（驱动版本 512.78）
• 原 CUDA 版本：11.6
• 课程要求 CUDA 版本：11.8，但旧驱动不支持

因此，我需要升级驱动，并安装与之兼容的 CUDA 版本。过程中涉及驱动更新、旧版本清理和新版本安装，以下是完整的操作流程。

---

1. 查询当前驱动和 CUDA 版本

nvidia-smi
nvcc --version

如果 nvcc --version 显示 not recognized，说明 CUDA 可能未正确安装或环境变量未配置。

---

2. 升级 NVIDIA 驱动

下载最新版驱动

1. 访问 NVIDIA 官方驱动查询
2. 选择 GeForce RTX 20 Series (Notebooks) → RTX 2070 SUPER → Windows 10 64-bit
3. 下载并运行安装程序
4. 选择 自定义安装 → 执行干净安装（清除旧驱动）

验证驱动更新

nvidia-smi

查看 Driver Version 是否已更新，同时检查支持的 CUDA 版本。

---

3. 清理旧的 CUDA 11.6

方法 1：控制面板卸载（推荐）

• 按 Win + R，输入 appwiz.cpl，回车
• 在 “程序和功能” 界面，找到 NVIDIA CUDA 11.6 并卸载

方法 2：手动清理（如果卸载失败）

删除文件夹

rmdir /s /q "C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.6"

运行清理脚本

创建 clean_cuda.bat，粘贴以下代码并运行：

@echo off
echo 清理 CUDA 11.6 残留...

:: 删除环境变量中的 CUDA 11.6 相关路径
setx CUDA_PATH "" /M
setx CUDA_HOME "" /M

:: 获取系统环境变量 Path
for /f "tokens=2 delims==" %%a in ('wmic environment where "name='Path' and username='<System>'" get value /value') do set PATHVAR=%%a

:: 删除 Path 变量中包含 CUDA 11.6 的路径
set "NEWPATH="
for %%i in (%PATHVAR:;=" "%") do (
    echo %%i | findstr /I "CUDA\\v11.6" >nul || set "NEWPATH=!NEWPATH!;%%i"
)

:: 更新 Path 变量
if not "%NEWPATH%"=="" (
    setx Path "%NEWPATH:~1%" /M
)

:: 删除 CUDA 11.6 的注册表项
reg delete "HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation\CUDA" /f
reg delete "HKEY_LOCAL_MACHINE\SOFTWARE\WOW6432Node\NVIDIA Corporation\CUDA" /f

echo 清理完成，请重启电脑！
pause

---

4. 下载并安装 CUDA 12.8

访问 CUDA 官方下载页面，选择 Windows 10 64-bit，推荐 exe (network) 或 exe (local) 版本。

版本	优点	缺点
exe (network)	体积小，安装时自动下载最新组件	需要稳定的网络
exe (local)	一次性下载完整安装包，离线可用	体积大（2GB+），占用更多存储空间

建议：

• 网络正常 → 选 exe (network)
• 网络不稳定 → 选 exe (local)

安装步骤

1. 运行 CUDA_12.8.exe
2. 选择 Express（默认） 或 Custom（自定义） 安装
3. 安装完成后，重启系统

---

5. 验证 CUDA 安装是否成功

检查 CUDA 版本

nvcc --version

检查 NVIDIA 驱动和 CUDA 兼容性

nvidia-smi

如果显示 CUDA 12.8，则安装成功！

---

6. 测试 PyTorch / TensorFlow 是否支持 GPU

PyTorch 测试

import torch
print(torch.cuda.is_available())  # 如果返回 True，说明 GPU 可用
print(torch.cuda.get_device_name(0))  # 显示 GPU 名称

TensorFlow 测试

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))  # 列出可用 GPU

如果以上测试 成功，说明 CUDA 12.8 已正确安装并可用！

总结

这次升级主要解决了 CUDA 版本不兼容的问题，完整流程如下：

1. 查询旧版本信息 nvidia-smi & nvcc --version
2. 更新 NVIDIA 驱动
3. 卸载 CUDA 11.6 并清理残留文件
4. 下载并安装 CUDA 12.8
5. 验证安装是否成功
6. 测试Ai运行环境