一、確認顯卡是否支持CUDA
1.1、查看支持CUDA的顯卡
網址：http://developer.nvidia.com/cuda-gpus
1.2、查看系統信息
1.3、查看顯卡信息
由上圖知，本電腦的顯卡為GeForce GTX 1050，支持CUDA軟件，如下圖所示：
https://developer.nvidia.com/cuda-gpus#compute
二、安裝CUDA
2.1、確定 Tensorflow-GPU CUDA CUDNN的版本
確定要下載的Tensorflow-GPU的版本並查看對應的CUDA CUDNN的版本
網址：https://github.com/promise777/tensorflow-windows-wheel
我這邊下載的是1.4.0\py36\GPU\cuda91 cudnn7 avx2
對應的CUDA 9.1.85 CUDNN是7.0.5
2.2、下載並安裝CUDA
網址：https://developer.nvidia.com/cuda-downloads
安裝步驟如下圖所示： 用迅雷下載挺快的
安裝路徑，選擇OK（安裝完成后路徑會自動變化，所以這里路徑選擇默認就好）
2.3、自定義安裝
取消勾選GeForce Experience
如果電腦上本身就有Visual Studio Integration，要將這個取消勾選，避免沖突了
點開Driver comonents，Display Driver這一行，前面顯示的是Cuda本身包含的驅動版本是411.31
如果你電腦目前安裝的驅動版本號新於Cuda本身自帶的驅動版本號，那一定要把這個勾去掉。否則會安裝失敗(相同的話，就不用去取勾了)
只選CUDA不然會失敗
CUDA的安裝位置可以自定義，系統默認是在系統盤C盤，為了方便日后管理，可以安裝到非系統盤的其他盤
2.4、檢查安裝狀態
打開路徑 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ，查看nvcc.exe
有這個nvcc.exe就說明CUDA安裝已成功
打開路徑 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64，查看有沒有cuti64_101.dll
有這個cuti64_101.dll就說明CUPT1已成功
三、安裝cuDNN
3.1、下載cuDNN
網址：https://developer.nvidia.com/cudnn
3.2、加入會員
進入注冊步驟：
3.3、進入下載頁面
網址：https://developer.nvidia.com/rdp/cudnn-download
3.4、查看下載后的文件
3.5、配置CUDNN
解壓CUDNN后，將對應的bin、lib、include與CUDA9.1對應的bin、lib、include進行合並。
3.6、編輯系統環境變量
單擊“環境變量”按鈕
編輯環境變量
編輯用戶變量
把以下路徑都添加到PATH
四、測試CUDA
五、Andconda測試
然后在Anaconda創建新的環境
安裝在github下載的tensorflow-gpu
pip install tensorflow
然后重新安裝numpy
pip uninstall numpy
pip install numpy == 1.16.1
import tensorflow
沒報錯 安裝成功
tf.test.is_gpu_available()
查看是否安裝成功
六、卸載CUDA
卸載開始:
- 對於含cuda字眼的，和結尾版本號是9.0的可以卸載。
- 如果不確定那個程序能不能刪除，可以搜索試試看，程序什么用途的。
- NVIDIA的軟件一個個都有其獨立卸載程序，不用擔心卸載順序。
具體的：
- 留下：NVIDIA的圖形驅動程序、NVIDIA Physx系統軟件，如果你有這2個軟件，就別卸載。
卸載：
- 推薦排序。 點擊頂部時間小三角排序，可發現一個叫NVIDIA Nsight HUD Launcher
的帶眼睛圖標的排列在上面，挺大的。然后從下往上卸載，跳過保留的NVIDIA圖形驅動、NVIDIA Physx系統軟件。 - 軟件名含cuda的，9.0的，sdk，NVIDIA Nsight HUD、NVIDIA GeForce
Experience、等，這些都可以卸載掉。 - 卸載完后，你會發現電腦—開始—所有程序，里面那個關於NVIDIA的程序文件不見了。存在的話，也可以看看里面還剩下什么，可以搜索看看。當然，C盤里面
C:\Program Files\NVIDIA GPU Computing Toolkit文件也可以刪除了。 - 用殺毒軟件垃圾掃描下，清理下電腦，主要是清理注冊表