（請先看置頂博文）本博打開方式！！！請詳讀！！！請詳讀！！！請詳讀！！！_Cat-CSDN博客
目錄
一、自檢
1、查看PC是否有NVIDIA的獨立顯卡
2、查看自己NVIDIA獨立顯卡是否支持CUDA，是否有顯卡驅動
3、微軟官網下載并安裝Visual Studio
二、下載及安裝
1、訪問CUDA官網、配置自己的下載安裝包
2、安裝
3、配置環境變量（可選，如果想在VS中使用CUDA就得進行這一步）
三、驗證?
1、查看CUDA版本
2、查看CUDA的環境變量配置情況
3、運行CUDA的測試文件
一、自檢
1、查看PC是否有NVIDIA的獨立顯卡
查看方法如下圖所示：
2、查看自己NVIDIA獨立顯卡是否支持CUDA，是否有顯卡驅動
查看自己的顯卡型號是否支持CUDA的安裝，可以訪問這個網址：CUDA GPU | NVIDIA Developer
一般的顯卡都是打開紅框圈住的這個列表，如果你的顯卡存在，那么證明你可以安裝CUDA。
???????有時也有不存在的時候，別急，此時需要先更新一下顯卡驅動（如果顯卡（硬件）較新，建議先更新顯卡驅動，從而獲得更新版本的CUDA支持），需要根據自己的顯卡配置，到如下網頁下載新的驅動程序：官方驅動 | NVIDIA。
隨后，按照默認安裝驅動就可以了，切勿更改路徑，驅動大小不會占用C盤太大存儲的。驅動安裝或者更新完成后，打開cmd命令窗口（win+R），輸入“nvidia-smi”，可以看到下圖：?
????????此時驅動的版本是511.65，支持的CUDA版本最大是11.6，我在2022.3.18對最新的CUDA及Pytorch進行了更新，發現YOLOv5（5.0）在推理時有錯誤產生，所以這里選擇CUDA11.1+Pytorch1.8.1的搭配。如果以上操作都不行，那么接下來的內容也不用看了，快去買顯卡，要不然又得漲價！！！
3、微軟官網下載并安裝Visual Studio
????????CUDA在安裝時需要Visual Studio里的工具包進行編譯，所以必須安裝VS，版本的話不要太低2017年以后的版本吧。第一次安裝CUDA時，我電腦里之前就存有VS2019，所以，這一步忽視了，并且也并未對CUDA今后的使用造成影響。看了官方的CUDA安裝文檔后，才意識到這個問題，所以來補充一下。
Visual Studio2022的下載地址為：Visual Studio: 面向軟件開發人員和 Teams 的 IDE 和代碼編輯器
?可以在上面那個網頁里找到之前的版本，最好下載社區版，不需要激活，我下載的是VS2019。安裝時，注意要選擇“使用C++的桌面開發”以及將安裝位置選到系統盤之外。
二、下載及安裝
1、訪問CUDA官網、配置自己的下載安裝包
因為要下載11.1，所以點擊鏈接：CUDA Toolkit 11.6 Update 1 Downloads | NVIDIA Developer
之后，要找到CUDA之前的存檔，具體流程看圖：
2、安裝
???????雙擊安裝包，選擇合適的路徑，即可安裝（要記住這個路徑，因為可能要配置環境變量）。接下來的過程，用圖說話。如果有其他分區，請勿裝在C盤，下圖只是演示說明。?
先前進行了顯卡驅動的安裝，理論上直接安裝CUDA即可，但是這里為了方便，直接四個全選，開始安裝。??
3、配置環境變量（可選，如果想在VS中使用CUDA就得進行這一步）
鼠標右鍵此電腦->屬性->高級系統設置->環境變量，查看系統變量即可看到紅色框選的兩項。
我們要是為VS配置CUDA，那就得將剩下的5個環境變量補齊。?點擊新建，分別輸入變量名和變量值，點擊確定。大家可以類比我的CUDA安裝路徑和環境變量的關系進行配置（不是照搬！不是照搬！不是照搬！）：%CUDA_PATH%代表的就是CUDA_PATH的路徑。?
CUDA_SDK_PATH #變量名
V:\CUDA #變量值 CUDA_LIB_PATH #變量名
%CUDA_PATH%\lib\x64 #變量值 CUDA_BIN_PATH #變量名
%CUDA_PATH%\bin #變量值 CUDA_SDK_BIN_PATH #變量名
%CUDA_SDK_PATH%\bin\win64 #變量值 CUDA_SDK_LIB_PATH #變量名
%CUDA_SDK_PATH%\common\lib\x64 #變量值 至此，CUDA的安裝就完成了。?
三、驗證?
1、查看CUDA版本
鍵盤win+R鍵，輸入cmd，并回車，打開CMD命令框。輸入如下命令?：
nvcc --version?只要顯示了CUDA的版本，就算成功了!? ?（保險起見多驗證幾步）?
2、查看CUDA的環境變量配置情況
?鍵盤win+R鍵，輸入cmd，并回車，打開CMD命令框。輸入如下命令?：
set cuda
3、運行CUDA的測試文件
?打開如下路徑：..\CUDA\extras\demo_suite找到這兩個文件，用命令行按照圖示的序號依次運行deviceQuery.exe和bandwidthTest.exe，這兩個程序。直接雙擊會閃退，你什么結果都看不到！
運行deviceQuery.exe?
運行bandwidthTest.exe
下一篇文章將會介紹目標檢測第4步：顯卡、GPU、CUDA、cuDNN的關系及如何在Windows 10下安裝cuDNN？如果把CUDA比作是含有部分工具的工具箱，那么cuDNN就是一把得心應手的工具（可對網絡性能進行優化）。CUDA安裝了cuDNN之后，深度學習速度會變快1-2倍。
