Windows系统下CUDA 8.0完整安装教程（小白也能轻松上手）

CUDA 8.0是NVIDIA推出的一款较早版本的并行计算平台，虽然现在有更新的版本，但很多老旧项目、特定深度学习框架（比如早期的TensorFlow、Caffe）或者科研代码，依然依赖CUDA 8.0才能正常运行。很多小白在Windows下安装时容易踩坑，比如驱动不兼容、环境变量没配好、VS版本不对导致编译失败。今天就手把手教你从零开始安装，全程用最简单的话讲清楚，保证你看完就能自己操作。

一、安装前必须确认的准备工作

先别急着下载，做这些检查能省掉后面90%的麻烦。

显卡是否支持CUDA 8.0
打开电脑，右键桌面空白处选“NVIDIA控制面板”，或者直接去设备管理器里看显卡型号。CUDA 8.0支持的计算能力最低是2.0（Fermi架构），最高到6.x（Pascal）。常见的GTX 750、960、970、980、Titan X、GTX 10系列（如1080）都支持。如果是更老的卡或者核显，直接放弃，换卡或者换版本。
不确定的话，去NVIDIA官网搜你的显卡型号，看Compute Capability数值。
系统要求
- Windows 7/8.1/10（64位最稳，32位基本别试）
- 至少4GB内存，推荐8GB以上
- 硬盘留出至少5GB空间（安装包本身就2G多）
- 必须有支持的NVIDIA独立显卡
必备软件提前装好
- Visual Studio 2013或2015（CUDA 8.0对VS2017支持很差，强烈建议用2015 Community免费版）。安装时勾选“使用C++的桌面开发”和“Windows 10 SDK”。
- 最新（但别太新）的NVIDIA显卡驱动。CUDA 8.0推荐驱动版本在375.xx左右，太新的驱动可能不兼容。去NVIDIA官网下载对应你显卡的旧驱动，或者先装CUDA自带的驱动。
关掉杀毒软件和防火墙
安装过程中会写很多系统文件，杀软容易拦截，装完再开。

二、下载CUDA 8.0安装包

官网已经把老版本归档了，直接搜“CUDA Toolkit Archive”进入NVIDIA归档页面。
找到CUDA Toolkit 8.0，选Windows → x86_64 → 10（或对应你的系统） → exe（local）。
完整包大约1.4GB，网络不好的话多试几次，或者找靠谱镜像。
下载完后右键属性，把“解除锁定”勾上（防止Windows拦截）。

同时建议下载配套的cuDNN 5.1或6.0（如果后面要跑深度学习），版本必须匹配CUDA 8.0。

三、详细安装步骤（跟着点就行）

双击运行安装包
弹出窗口后选“同意并继续”。
推荐选“自定义安装”，不要一键精简，方便控制组件。
自定义组件勾选
- CUDA选项全部勾上（Toolkit、Samples、Documentation）
- 驱动组件：如果系统已有合适驱动，可取消勾选，避免覆盖；没有就勾上。
- Visual Studio Integration必须勾上，这样才能和VS联动。
  安装路径默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0就行，别乱改，改了后面环境变量更麻烦。
等待安装完成
时间大概10-20分钟，中途可能提示重启，先点“稍后重启”，全部装完再重启一次。
安装成功会弹出完成窗口，关掉即可。
安装cuDNN（可选但推荐）
解压下载的cuDNN压缩包，把里面的bin、include、lib三个文件夹内容，分别复制粘贴覆盖到CUDA安装目录对应位置：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\

四、配置环境变量（关键步骤，很多人卡在这）

右键“此电脑”→属性→高级系统设置→环境变量。
在系统变量里找到Path，点编辑，新建以下路径（按你的实际安装位置）：
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
再新建两个系统变量（没有就新建）：
- 变量名：CUDA_PATH
  变量值：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
- 变量名：CUDA_PATH_V8_0
  变量值：同上
全部确定保存，重启电脑让变量生效。

五、验证安装是否成功

命令行检查
按Win+R输入cmd，打开命令提示符，依次输入：
```
nvcc -V
```
能看到Cuda compilation tools, release 8.0就说明成功。
再输入：
```
nvidia-smi
```
能显示显卡信息和驱动版本就对了。
运行官方示例
去安装目录下的Samples文件夹，找到1_Utilities\deviceQuery，用VS2015打开deviceQuery_vs2015.sln，选Release x64，直接生成并运行。
如果输出Result = PASS，恭喜你，CUDA 8.0完全就绪。
简单代码测试
新建一个.cpp文件，写几行CUDA代码编译运行，能通过就更稳。

六、常见问题及解决办法

nvcc不是内部或外部命令：环境变量没配好或没重启，重新检查Path。
安装到一半报错VS相关：VS版本不对或没装C++组件，重装VS2015并勾选完整组件。
驱动冲突蓝屏：先用DDU工具彻底卸载旧驱动，再装CUDA自带驱动。
编译时找不到cuda.h：检查include路径，或在VS项目属性里手动添加CUDA目录。
版本不匹配：记住CUDA 8.0对应的cuDNN和框架版本，别乱升。

七、安装后的优化与避坑建议

装好后建议把电源计划改成“高性能”，显卡控制面板里把“电源管理模式”设为“最高性能优先”。
如果电脑是笔记本，注意散热，CUDA跑起来发热很大。
定期备份整个CUDA目录，万一系统重装直接复制回来改环境变量就行。
以后如果要装多个CUDA版本，用环境变量切换，或者装在不同盘符，别互相覆盖。
对于深度学习用户，装完再配Anaconda+对应旧版TensorFlow-gpu，注意Python版本选3.5或3.6最稳。

按照上面步骤一步步做，基本都能一次成功。CUDA 8.0虽然老，但在特定场景下依然好用，装好后就能安心跑你的项目了。