1. 查看Cuda版本
在“开始”处输入“cmd”打开命令界面，并输入“nvidia-smi”查看驱动支持的最高cuda版本。
如上图，表示驱动支持的最高版本为11.8，因此在下载cuda toolkit时可选择不高于11.8版本。如果后续要搭配Pytorch等进行相关深度学习研究，建议先去Pytorch官网查看当前支持的最高cuda版本，根据pytorch的支持的最高版本去选择cuda toolkit的版本。
这里，Pytorch支持的cuda最高版本为11.7，因此在nvidia官网中选择cuda toolkit 11.7进行安装.
这里选择 CUDA Toolkit 11.7.0版本进行安装，并根据实际情况选择在线/离线下载安装。建议在安装时默认安装路径。如果需要自定义安装路径，一定要记得自己设定的安装路径。
cuDNN安装
Cuda Toolkit安装完毕后，继续在nvidia官网对应版本的cudnn，这里下载的是cuDNN v8.7.0
解压cuDNN压缩包，可以看到bin、include、lib目录，找到你安装的版本目录，打开，找到bin、include、lib目录，将cuDNN压缩包内对应的文件复制到bin、include、lib目录。
添加环境变量
需要添加下面两个路径，在默认情况下，需要添加：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
测试
执行nvcc -V ，成功会返回cuda版本号
同时找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite路径下的deviceQuery文件，将此文件拉入命令窗口，将显示
