正好最近要在Windows上跑点东西，顺手把CUDA和CUDNN的环境搭了一下。这东西看着门道多，其实步骤就那么几步，走一遍就熟了。下面就把我的操作流程记录下来，给有同样需求的朋友做个参考。
1. 准备工作
在正式动手之前，有几件事得先确认好，不然容易白忙活。
1.1 检查你的实验环境
要跑深度学习，一套NVIDIA显卡是标配。我这次用的系统是Windows11，显卡驱动支持的CUDA版本是12.6。得确保你选的CUDA版本不能高于驱动支持的最高版本，否则装上了也用不了。
1.1.1 查看显卡驱动支持的CUDA版本
操作很简单：在桌面上按下 Win + R，输入 cmd 打开命令行，然后敲下 nvidia-smi 这个命令。
你会在输出信息里看到一行CUDA Version，比如我这里是12.6。这意味着你只能安装12.6或更低版本的CUDA。如果你的驱动版本是11.7，却想装12.2的CUDA，那就必须先升级显卡驱动，不然装不上。
1.1.2 通过NVIDIA控制面板查看
更详细的信息可以在NVIDIA控制面板里找到。右键点击桌面，打开NVIDIA控制面板，依次点击“帮助” -> “系统信息” -> “组件”。在这里也能看到你的驱动支持的具体CUDA版本号。
1.2 确认要安装的版本
这次我选择的组合是：CUDA 12.2 搭配 CUDNN v8.9.6。这个组合目前兼容性很好，能应对绝大多数框架的需求。
1.3 下载CUDA
CUDA的官方历史版本都放在了一个归档页面里，这是下载入口：https://developer.nvidia.com/cuda-toolkit-archive
我们这次用的是CUDA 12.2.2。点击进入后，根据你的系统依次选择：Windows -> x86_64 -> 11 -> exe(local)。
最后点击那个看起来不小的 Download (3.0GB) 按钮。下载完成后，你手上就会有一个 cuda_12.2.2_537.13_windows.exe 文件。
1.4 下载CUDNN
CUDNN是CUDA的神经网络加速库，版本需要和CUDA匹配。注意了，下载CUDNN需要你登录Nvidia账号，没有的话得先注册一个。下载入口在这里：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
点进去之后找到对应CUDA 12.x的版本，下载下来是一个压缩包：cudnn-windows-x86_64-8.9.6.50_cuda12-archive.zip。东西下载好了，下一步就是安装。
2. 安装CUDA和CUDNN
2.1 安装与验证CUDA
2.1.1 安装过程
双击下载好的 cuda_12.2.2_537.13_windows.exe 文件。安装路径别去动它，直接用默认的，一路 下一步 就行。
等待解压完成后，会弹出安装许可协议，点击“同意并继续”。
后面的安装选项，全部保持默认，继续点“下一步”直到安装完成。
安装最后一步会提示你重启电脑。别偷懒，按要求重启。
2.1.2 验证是否成功
重启之后，再次 Win + R 打开 cmd，输入 nvcc -V。
如果能看到类似上图中的版本信息，恭喜，CUDA就装好了。
2.2 安装与验证CUDNN
2.2.1 安装
CUDNN的安装更像是一个“覆盖”操作。把下载的压缩包 cudnn-windows-x86_64-8.9.6.50_cuda12-archive.zip 解压出来，你会看到里面有 bin、include、lib 这三个文件夹。
把这三个文件夹全选复制，然后粘贴到你CUDA的安装目录下（默认路径是 C:Program FilesNVIDIA GPU Computing ToolkitCUDA v12.2），选择“替换目标中的文件”即可。
2.2.2 验证
CUDNN的安装实际上没有什么复杂的验证步骤。因为它本身就是作为CUDA的扩展库存在的。只要CUDA能正常使用，并且你复制文件的路径正确，就说明装好了。
3. 善后工作：卸载CUDA和CUDNN
有时候版本不对或者想升级，就得把旧的清理干净。这里也一并说了。
3.1 使用Windows自带工具卸载
3.1.1 卸载CUDA
打开Windows的“设置” -> “应用” -> “安装的应用”。搜索“NVIDIA CUDA”，你会看到好几个相关的组件。把这些组件依次卸载掉，才算是彻底清理干净。
3.1.2 卸载CUDNN
这个更简单，因为CUDNN的文件是你手动复制过去的。直接去CUDA的安装目录（比如 C:Program FilesNVIDIA GPU Computing ToolkitCUDA v12.2）下，把之前复制过来的 bin、include、lib 这三个文件夹里的内容全部删掉就行了。