Windows 10 安装 CUDA 9.0 完整指南

为什么要安装 CUDA 9.0？

CUDA 是 NVIDIA 推出的并行计算平台和编程模型，专门用于 GPU 加速计算。虽然现在 CUDA 版本已经更新到 11.x 甚至更高，但很多老版本的深度学习框架（如 TensorFlow 1.x、PyTorch 0.4 等）和科研项目仍然依赖 CUDA 9.0。如果你正在运行这些老项目，安装 CUDA 9.0 就是必须的步骤。

安装前的准备工作

检查硬件兼容性

首先确认你的电脑有 NVIDIA 显卡。右键点击桌面空白处，选择“NVIDIA 控制面板”，在左下角可以看到显卡型号。CUDA 9.0 需要 Compute Capability 3.0 或更高的 NVIDIA GPU。

常见的兼容显卡包括：

GeForce 600 系列及以上
Quadro K 系列及以上
Tesla K 系列及以上

查看当前系统信息

按 Win + R 键，输入 dxdiag 回车
在“系统”标签页记下 Windows 版本和系统类型（64位还是32位）
在“显示”标签页查看显卡详细信息

下载正确的安装包

访问 NVIDIA 官网的 CUDA 9.0 下载页面，选择：

操作系统：Windows 10
架构：x86_64（64位系统）或 x86（32位系统）
版本：建议选择 9.0.176 版本
安装类型：推荐选择 exe(local) 本地安装包

详细安装步骤

步骤1：卸载旧版 NVIDIA 驱动和 CUDA

如果你之前安装过其他版本的 CUDA，建议先清理：

打开控制面板 → 程序和功能
找到所有包含“NVIDIA”字样的程序
按以下顺序卸载：
- 先卸载 CUDA 相关组件
- 再卸载 NVIDIA 图形驱动程序
- 最后卸载 NVIDIA PhysX 等组件

步骤2：禁用 Windows 自动更新驱动

Windows 10 会自动更新显卡驱动，这可能导致安装失败：

右键点击“此电脑” → 属性
选择“高级系统设置”
点击“硬件”标签页 → 设备安装设置
选择“否”，保存更改

步骤3：安装 Visual Studio 2015/2017

CUDA 9.0 需要 Visual Studio 2015 或 2017 的支持：

下载 Visual Studio 2017 Community 版本
安装时选择“使用 C++ 的桌面开发”
确保安装位置没有中文路径

步骤4：正式安装 CUDA 9.0

以管理员身份运行安装程序
- 右键点击下载的 exe 文件
- 选择“以管理员身份运行”
选择解压路径
- 使用默认路径或选择一个英文路径
- 记住这个路径，安装完成后可以删除临时文件
安装选项设置 安装类型选择“自定义”，然后：
- 取消勾选“NVIDIA GeForce Experience”（可选）
- 确保勾选了“CUDA”下的所有组件
- Driver 组件建议安装，除非你已安装兼容驱动
安装路径
- 建议使用默认安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
- 不要安装到中文路径或包含空格的路径
等待安装完成
- 安装过程可能需要 15-30 分钟
- 期间屏幕可能会闪烁几次，这是正常的

步骤5：配置环境变量

右键点击“此电脑” → 属性 → 高级系统设置
点击“环境变量”
在“系统变量”中找到 Path，点击编辑

添加以下路径（如果已存在则跳过）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64

新建系统变量：
- 变量名：CUDA_PATH
- 变量值：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
- 变量名：CUDA_PATH_V9_0
- 变量值：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

步骤6：安装 cuDNN（如需深度学习）

如果要用 CUDA 进行深度学习，还需要安装 cuDNN：

注册 NVIDIA 开发者账号
下载 cuDNN v7.x for CUDA 9.0
解压下载的文件
将解压后的文件复制到 CUDA 安装目录：
- 复制 bin 文件夹内容到 CUDA\v9.0\bin
- 复制 include 文件夹内容到 CUDA\v9.0\include
- 复制 lib 文件夹内容到 CUDA\v9.0\lib\x64

验证安装是否成功

方法1：命令行验证

按 Win + R，输入 cmd 打开命令提示符

输入以下命令：

nvcc -V

如果显示类似这样的信息，说明安装成功：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:32_Central_Daylight_Time_2017
Cuda compilation tools, release 9.0, V9.0.176

方法2：运行示例程序

打开命令提示符（管理员）

切换到示例目录：

cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite"

运行测试程序：
```
deviceQuery.exe
bandwidthTest.exe
```
如果两个测试都显示“Result = PASS”，说明安装完全成功。

常见问题解决

问题1：安装失败，提示“NVIDIA 安装程序失败”

可能原因：Windows 10 版本太新
解决方案：
1. 尝试安装 Windows 10 版本 1703 或 1709
2. 或使用兼容模式运行安装程序
3. 暂时禁用杀毒软件

问题2：编译时提示“找不到编译器”

可能原因：Visual Studio 未正确安装
解决方案：
1. 重新安装 Visual Studio 2017
2. 确保安装时选择了 C++ 组件
3. 检查环境变量是否正确

问题3：程序运行速度慢

可能原因：未使用 GPU 计算
解决方案：
1. 确认程序代码中调用了 CUDA 函数
2. 检查任务管理器，看 GPU 是否在工作
3. 更新显卡驱动到支持 CUDA 9.0 的最新版本

问题4：与其他 CUDA 版本冲突

解决方案：
1. 使用虚拟环境隔离不同项目
2. 或通过环境变量切换 CUDA 版本
3. 考虑使用 docker 容器

优化建议

性能优化

在 NVIDIA 控制面板中：
- 将“电源管理模式”设为“最高性能优先”
- 将“纹理过滤 - 质量”设为“高性能”
在 Windows 电源选项中：
- 选择“高性能”电源计划

开发环境配置

PyCharm/VSCode 配置：
- 在 IDE 中设置正确的 Python 解释器
- 配置 CUDA 相关的代码提示
Jupyter Notebook：
- 安装 GPU 版本的 TensorFlow/PyTorch
- 使用 torch.cuda.is_available() 测试 GPU 是否可用