1.检测是否支持GPU环境
1.1.打开设备管理器
winows下面搜索设备管理器（或者从桌面"此电脑"——>右键点击——>"管理"打开）
1.2.查看本地显卡
在"设备管理器"——"显示适配器"中，如果没有，则没有显卡，不支持安装。
1.3.本地显卡是否支持CUDN
查看是否支持地址：https://www.nvidia.com/Download/index.aspx?lang=en-us
例如我本地支持：
2.安装显卡驱动
2.1.下载显卡驱动
官方驱动地址：https://www.nvidia.com/Download/index.aspx?lang=en-us
搜索自己对应的版本然后下载：
2.2.安装显卡驱动
下载完成后双击安装，根据程序默认继续下一步即可。
2.3.重启电脑
安装完成后，需要重启电脑。
3.选择CUDA和cuDNN版本
3.1.驱动支持版本
CUDA的版本依赖于显卡的驱动程序版本，首先查看GPU驱动版本，win搜索NVIDIA控制面板。
可以看到我的版本号是551.61。
官方版本支持地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
我的驱动版本是551.61，因此可以安装CUDA 12.3.x。但是由于机器学习tensorflow框架是有版本限制的，所以选择框架支持的版本11.2.0。（下一小节说明了框架的支持版本）
3.2.根据机器学习框架tensorflow选择CUDA、cuDNN版本
CUDA、cuDNN、TensorFlow 版本选择：
官方支持版本地址：https://tensorflow.google.cn/install/source_windows#gpu
最新支持CUDA11.2，向下兼容发现可以安装cuDNN8.1和tensorflow_gpu-2.6.0。
4.安装CUDA
4.1.下载CUDA
下载地址：https://developer.nvidia.com/cuda-toolkit-archive
由上一章节可知，我本地选择：CUDA11.2，cuDNN8.1（根据实际选择对应版本）
4.2.安装CUDA
下载到本地后双击安装：
安装完成后检查环境变量中的变量：
在cmd中输入如下命令检查：
nvcc -V有如下消息提示则安装成功：
5.安装cuDNN
5.1.下载cuDNN
cuDNN下载（最新版本）：https://developer.nvidia.com/zh-cn/cudnn
cuDNN历史版本：https://developer.nvidia.cn/rdp/cudnn-archive
由于我们选择的是cuDNN8.1版本：
5.1.安装cuDNN
下载之后解压有以下内容：
都复制到（除了NVIDIA_SLA_cuDNN_Support.txt文件）CUDA的安装目录（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2）下。
基础准备-上)
