本站资源仅用于防诈科普和安全测试技术人员使用，禁止商用或传播

特别注意事项：
1、所有相关的软件、文件名称不要使用中文名称，也不要包含中文名称，否则可能导致奇怪错误，痛不欲生！
尤其是注意C盘的中文用户名，如果存在，建议重新新建一个非中文账户安装运行环境(单纯修改用户名无效)，能避免不少问题。

安装&配置CUDA+cuDNN(已安装，可跳过)：
CUDA官方下载地址：https://developer.nvidia.com/cuda-toolkit-archive
//检查显卡支持的最大CUDA版本命令行指令
nvidia-smi
(2)cuDNN下载地址(需下载CUDA支持的版本)：https://developer.nvidia.com/rdp/cudnn-archive
如果安装成功：输入以下CMD指令，能返回版本号
nvcc -V
安装Git(已安装，可跳过)：
Git官方下载地址：https://git-scm.com/downloads
如果安装成功：输入以下CMD指令，能返回版本号
git –version
安装&配置Conda(已安装，可跳过)：
Miniconda官方下载地址：https://docs.anaconda.com/miniconda/
如果安装成功：输入以下CMD指令，能返回版本号
conda –version
安装&配置FFmpeg(已安装，可跳过)：
FFmpeg官方下载地址：https://www.ffmpeg.org/download.html
如果安装成功：输入以下CMD指令，能返回版本号
ffmpeg -version

有关AI、软件、资源相关问题，可以加微信公众号：大飞哥软件自习室

遇到 CUDA 安装失败，可按以下步骤排查解决：

确认硬件与系统兼容性
显卡支持：仅 NVIDIA 显卡支持 CUDA，前往 NVIDIA 官网确认显卡型号是否在 CUDA 支持列表内。
系统匹配：检查系统版本（如 Windows 需 10/11 特定版本，Linux 内核、发行版需符合要求），确保与下载的 CUDA Toolkit 版本适配。
清理旧驱动或残留文件
卸载旧驱动：使用 Display Driver Uninstaller（DDU）工具，彻底清除旧 NVIDIA 驱动及 CUDA 残留，重启电脑后再安装。
删除残留目录：手动删除 C:\Program Files\NVIDIA GPU Computing Toolkit（若存在）等残留安装目录。
规范安装流程
下载正确版本：至 NVIDIA CUDA 工具包官网，根据显卡、系统下载对应版本（如 CUDA 12.3）。
自定义安装：安装时选择 “自定义”，仅勾选必要组件（如 CUDA Toolkit），避免与其他软件冲突；安装路径确保无中文、空格。
关闭防护软件：安装前暂时退出杀毒软件、防火墙，防止其拦截安装文件。
分析错误日志
安装失败后，找到日志文件（一般在 C:\ProgramData\NVIDIA Corporation\CUDA Downloads 或安装提示路径），查看具体报错（如依赖缺失、文件损坏）。若提示 “显卡驱动不兼容”，需先更新至 NVIDIA 官网推荐的驱动版本，再安装 CUDA。

与 CUDA 12.8 版本适配的 cuDNN 版本是 cuDNN v8.9.7 。你可以通过以下方式获取：
下载途径
NVIDIA 官网：访问 NVIDIA 开发者网站的 cuDNN 下载页面（https://developer.nvidia.com/rdp/cudnn-download ），需注册并登录 NVIDIA 账号后，找到适用于 CUDA 12.x 的 cuDNN v8.9.7 版本进行下载。下载时根据系统类型（如 Windows）选择对应的安装包格式（如 Windows 本地安装程序 Zip 包）。
安装步骤
解压文件：下载完成后，解压得到包含bin、include、lib等文件夹的文件目录。
复制文件：将解压后的这几个文件夹中的文件，对应复制到 CUDA 安装目录（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\cuda\v12.8 ）下相同名称的文件夹内。
验证方法
命令行检查：打开命令提示符（CMD），输入nvcc -V ，若能正确显示 CUDA 版本信息，且在后续深度学习框架（如 TensorFlow、PyTorch ）使用中不报错，通常表明 cuDNN 安装配置成功。