目录
一、了解CUDA与cuDNN
二、安装CUDA
1. 查看显卡型号与驱动版本（Driver Version）
2. 下载CUDA
3.安装CUDA
4. 验证CUDA是否安装完成
三、安装cuDNN
1.下载cuDNN
2.安装cuDNN
20240824记：这几年，大模型的兴起，打开了新时代的大门，想要在这个时代快速地成长和生存，利用好AI进行辅助学习显然已经成为一种大趋势，我们应该抓住一切能加速自己成长的机会，国内的文心一言，豆包等，国外的大模型Chatgpt、Claude等，无一不可以辅助自己编程的学习，这里给大家推荐一个我自己在用的集成Chagpt和Claude的网站（国内可用，站点稳定，博主用了两个月了）：传送门。
抓住AI时代每一个机会，加速自己成长，提高自己价值！
本篇文章将详细从如何安装CUDA与cuDNN开始，到基本配置结束，帮助大家理清配置流程。
一、了解CUDA与cuDNNCUDA（Compute Unified Device Architecture）是NVIDIA开发的并行计算平台和编程模型，用于利用NVIDIA GPU的并行计算能力，它允许开发者使用类似于C语言的编程语言编写并行程序，利用GPU的大规模并行计算能力加速各种类型的应用程序，包括科学计算、深度学习、图形渲染等，并提供了一套丰富的API和工具，使开发者能够方便地利用GPU加速计算，包括核心的CUDA Runtime API、CUDA Driver API以及各种辅助工具和库。
cuDNN（CUDA Deep Neural Network library）是NVIDIA专门针对深度学习应用开发的GPU加速库。它提供了一系列高效的深度学习算法的实现，包括卷积神经网络（CNN）、循环神经网络（RNN）等常用网络结构的基本操作，如卷积、池化、归一化、激活函数等。cuDNN针对NVIDIA GPU进行了高度优化，利用GPU的并行计算能力加速深度学习模型的训练和推理过程。通过使用cuDNN，开发者可以轻松地将深度学习模型部署到支持CUDA的NVIDIA GPU上，并获得显著的性能提升。
总的来说，CUDA提供了通用的并行计算平台和编程模型，而cuDNN则是针对深度学习应用进行了优化的GPU加速库，二者结合起来可以实现高效的深度学习模型训练和推理。
二、安装CUDA 1. 查看显卡型号与驱动版本（Driver Version）①打开终端（win+R输入cmd），输入
nvidia-smi--显卡型号：NVIDIA GeForce RTX 4060
--驱动版本：532.10
大家要了解的是：
1）驱动版本决定了CUDA版本，驱动版本越高，则可安装的CUDA版本越高
2）CUDA向下兼容，我这里是输出的CUDA版本为12.1，并不是意味着我的电脑只能安装12.1版本的CUDA，而是可以安装12.1及以下任何版本的CUDA
如果你想了解