安装英伟达显卡驱动，去英伟达官网下载官方程序，即安装GeForce Experience，可以自动更新到最新版本的驱动

在anaconda power shell prompt 中输入

nvidia-smi，查看可以支持的最高版本CUDA

在tensorflow官网可以查看tensorflow, python, cuDNN, CUDA的版本对应关系，其中编译器和构建工具，安装较新版本的Visual Studio即可满足。

在Pytorch官网可查看需要的CUDA版本。

在英伟达官网，先安装CUDA，再安装cuDNN，安装cuDNN时网站会说明对应什么版本的CUDA。安装CUDA时主要，win10和win11系统不一样。所以正确步骤是：先看cuDNN支持哪些较新版本的CUDA，去下载那些CUDA。

卸载CUDA:

• 卸载图中内容，其实就是把NVIDIACUDA开头的全部卸载
• 卸载完后，用腾讯电脑管家清理注册表

安装CUDA：选择自定义安装，Visual Studio intergration可装可不装，一切要安装版本低于等于当前版本的，都不安装。

• 安装的目录：手动创建文件夹。为D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5
• 和D:\Programs\NVIDIACUDA\NVIDIA Corporation\CUDA Samples\v11.5
• 参考https://blog.csdn.net/m0_37605642/article/details/98854753

cuDNN:选择对应版本，下载后解压缩，把文件夹下的 bin, include, lib 的 x64 里面的文件分别复制到D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5下的对应文件夹内

添加环境变量：右键计算机属性，高级系统设置，环境变量

• 前两个应该已经存在，添加最后一个即可。
• D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin
• D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5\libnvvp
• D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib\x64

在jupyter 里面 import tensorflow as tf 可能还会有报错，例如
cudart64_110 not found 等等。在D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5中搜索找不到的文件，如搜索 cudart64_110，然后复制，粘贴到 C: \Windows\System32下面即可 。

后续配置环境的一些列操作

tensorflow2.6.0和Keras有冲突，（好像自带安装了一个2.8的Keras），所以在安装了tensorflow2.6.0的环境下pip install keras==2.6.0

网上说CUDA15对应的是Visual Studio 2019，所以把Visual Studio 2022卸载，安装2019，安装的时候要勾选“使用C++的桌面开发”，“python开发”，以及“使用C++的桌面开发”下面的全部windows11 SDK和windows10 SDK

• 参考https://blog.csdn.net/qq_41456316/article/details/121522097

安装Zlib

• 找一个地方解压文件夹，在高级系统设置->环境变量->系统变量(注意不是用户变量)->Path中，添加zlibwapi.dll的根目录(注意是根目录，不是文件)
  例如：文件zlibwapi.dll在"D:\Programs\zlib\dll_x64"下，那么只需在Path中添加"D:\Programs\zlib\dll_x64"即可， 重启电脑即可(没重启前很有可能还是提示报错)

  原文链接：https://blog.csdn.net/qq_28048779/article/details/122146628

• 参考https://blog.csdn.net/qq_28048779/article/details/122146628