【环境配置】Windows上安装（升级）Cuda11.6 + cudnn9.8 + pytorch 并测试

3090 GPU 环境更新指南（Python 3.7 升级配套）

博主使用的环境大部分还是四年前配置的py3.7，对于很多包都已经不支持了，需要更新一下环境的版本
本文档基于参考文章，系统梳理 NVIDIA GeForce RTX 3090（24GB）显卡的 CUDA、cuDNN 环境更新流程，解决旧 Python 3.7 环境中包不兼容问题，核心目标是搭建稳定的 GPU 计算环境。

一、前期准备：查看显卡 CUDA 支持上限

更新环境前需先确认显卡最高支持的 CUDA 版本，避免版本不匹配导致安装失败。

1. 更新显卡驱动：确保显卡驱动为最新版本（参考博客略过具体步骤，可通过 NVIDIA 官网或 GeForce Experience 完成）。
2. 打开 NVIDIA 控制面板：点击 Windows 开始菜单，找到以“N”开头的程序列表，选择“NVIDIA Control Panel”。
   
3. 进入系统信息界面：
   • 在控制面板中点击左侧【管理 3D 设置】。
   • 点击界面右下角【系统信息】选项。
     
4. 查看 CUDA 支持版本：
   • 在“系统信息”窗口中切换至【组件】选项卡。
     
   • 找到“NVIDIA CUDA”条目，记录其版本（参考博客中显示为 CUDA 13.0.94，即最高支持 CUDA 13.x）。
5. 版本选择建议：考虑到 RTX 3090 为老款显卡，最新 CUDA 版本可能不稳定，最终选择安装 CUDA 12.6（向下兼容且稳定性更高）。

二、CUDA 12.6 安装与环境变量配置

CUDA（Compute Unified Device Architecture）是 NVIDIA 推出的并行计算平台，是 GPU 加速计算的核心组件。

1. 下载 CUDA 12.6

• 浏览器搜索关键词：CUDA 12.6 下载，点击带有 NVIDIA 官方标识的链接进入下载页。
  
• 按电脑配置选择参数（以 Windows 系统为例）：

  选择项	推荐值
  Operating System	Windows
  Architecture	x86_64
  Version	Windows 10 / Windows 11（根据实际系统选择）
  Installer Type	exe (local)（本地安装包，稳定性更高）

• 下载完成后得到 CUDA 12.6 本地安装程序（exe 文件）。
  

2. 安装 CUDA 12.6

直接运行下载的 exe 文件，选择自定义安装，看到能打钩的地方全都勾选上，按默认向导完成即可（若需自定义路径，需记住安装目录，后续配置环境变量需用到，建议小白使用默认路径）。

3. 配置 CUDA 环境变量

通过环境变量配置，让系统识别 CUDA 路径，同时支持后续快速切换 CUDA 版本。

1. 新建系统变量 CUDA_VER：
   • 打开“此电脑”→ 右键“属性”→ “高级系统设置”→ “环境变量”→ “系统变量”→ “新建”。
   • 变量名：CUDA_VER；变量值：12.6（与安装的 CUDA 版本一致）。
2. 添加 Path 变量：
   • 在“系统变量”中找到“Path”，点击“编辑”→ “新建”，依次添加以下 4 条路径：

     %ProgramFiles%\NVIDIA GPU Computing Toolkit\CUDA\v%CUDA_VER%\bin
     %ProgramFiles%\NVIDIA GPU Computing Toolkit\CUDA\v%CUDA_VER%\lib
     %ProgramFiles%\NVIDIA GPU Computing Toolkit\CUDA\v%CUDA_VER%\include
     %ProgramFiles%\NVIDIA GPU Computing Toolkit\CUDA\v%CUDA_VER%\libnvvp
     

   • 配置逻辑：通过 %CUDA_VER% 变量关联版本号，后续切换 CUDA 时，仅需修改 CUDA_VER 的值，无需重复修改 Path 路径。
     
     

三、cuDNN 安装（CUDA 配套加速库）

cuDNN（CUDA Deep Neural Network Library）是 NVIDIA 为深度学习任务优化的库，必须与 CUDA 版本对应，否则无法发挥 GPU 加速作用。

1. 下载 cuDNN（需 NVIDIA 账号）

• 版本匹配：CUDA 12.6 对应 cuDNN 9.x（参考博客选择9.8），搜索关键词：cuDNN 9.8 Downloads，进入 NVIDIA 官方下载页。
  
• 注意事项：cuDNN 9.8 仅支持 Windows 10 系统，若使用 Windows 11 需选择其他兼容版本。
  
• 下载前提：需注册并登录 NVIDIA 账号（免费），方可下载 cuDNN 安装包。

2. 安装 cuDNN

• 运行 cuDNN 安装程序，选择“自定义安装”，并勾选所有组件，按向导完成安装（默认安装目录：C:\Program Files\NVIDIA\CUDNN\v9.8）。

3. 手动复制文件至 CUDA 目录

若安装后在模型训练中无法使用 cuDNN，需手动复制文件至 CUDA 目录（建议安装完都执行一下）：

1. 打开 cuDNN 安装目录（默认 C:\Program Files\NVIDIA\CUDNN\v9.8）。
2. 复制目录下的 lib、bin、include 三个文件夹。
3. 粘贴至 CUDA 12.6 安装目录（默认 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6），选择“覆盖”现有文件即可。

四、PyTorch 安装指南（适配 CUDA 12.6 环境）

4.1 安装前准备

建议通过 conda 新建独立环境（避免与现有环境冲突），操作前需掌握基础的 conda 环境管理命令（如创建、激活环境等）。

4.2 获取 PyTorch 安装命令

1. 访问 PyTorch 官网：打开 https://pytorch.org/
2. 进入安装引导：点击官网首页的 Get started 选项。
   
3. 选择适配配置：根据已安装的环境（如 CUDA 12.6），在配置选项中对应选择：
   • 操作系统（如 Windows）
   • 安装方式（如 Pip）
   • CUDA 版本（选择 12.6，需与前文安装的 CUDA 版本一致）
     
4. 复制安装命令：生成的命令示例为：

   pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126
   

4.3 执行安装

1. 激活已创建的 conda 环境。
2. 粘贴并运行上述复制的安装命令，等待安装完成即可。