Win10 + RTX 2070 Super + CUDA 12.8 安装全攻略（含旧版本清理）
内容提要
本文介绍了在Windows 10上升级CUDA版本的步骤，包括查询当前驱动和CUDA版本、更新NVIDIA驱动、卸载旧版CUDA、下载并安装CUDA 12.8，以及验证安装是否成功，确保PyTorch和TensorFlow支持GPU。
关键要点
-
前言：升级 CUDA 的原因是为了满足人工智能课程的需求。
-
操作系统为 Windows 10 64 位，显卡为 NVIDIA RTX 2070 Super，原 CUDA 版本为 11.6。
-
课程要求 CUDA 版本为 11.8，但旧驱动不支持，因此需要升级驱动和 CUDA。
-
步骤 1：查询当前驱动和 CUDA 版本，使用命令 nvidia-smi 和 nvcc --version。
-
步骤 2：升级 NVIDIA 驱动，下载最新版驱动并执行干净安装。
-
步骤 3：清理旧的 CUDA 11.6，推荐通过控制面板卸载，或手动删除相关文件和注册表项。
-
步骤 4：下载并安装 CUDA 12.8，选择合适的安装包（exe (network) 或 exe (local)）。
-
步骤 5：验证 CUDA 安装是否成功，检查 CUDA 版本和驱动兼容性。
-
步骤 6：测试 PyTorch 和 TensorFlow 是否支持 GPU，确保 CUDA 12.8 正确安装。
-
总结：完整流程包括查询旧版本、更新驱动、卸载旧版 CUDA、安装新版本和验证安装。
延伸解读
驱动与CUDA版本兼容性
在升级CUDA版本时，确保NVIDIA驱动与新CUDA版本兼容至关重要。文章中提到，旧驱动不支持CUDA 11.8，因此必须先更新驱动。这一过程可以避免在使用深度学习框架时出现不必要的错误，确保GPU计算环境的稳定性。
清理旧版本的重要性
在安装新版本CUDA之前，彻底清理旧版本是必要的。文章提供了两种清理方法，推荐使用控制面板卸载。残留的旧文件可能导致新版本安装失败或运行不稳定，因此遵循清理步骤可以提高新安装的成功率。
选择合适的安装包
在下载CUDA 12.8时，用户需根据网络状况选择合适的安装包。网络稳定时可选择exe (network)版本，反之则应选择exe (local)版本。了解这两种安装方式的优缺点，有助于用户根据自身情况做出最佳选择，避免因网络问题导致的安装失败。
延伸问答
如何查询当前的NVIDIA驱动和CUDA版本？
可以使用命令nvidia-smi和nvcc --version来查询当前的NVIDIA驱动和CUDA版本。
为什么需要升级CUDA版本？
需要升级CUDA版本是因为课程要求使用CUDA 11.8，而旧驱动不支持该版本。
如何清理旧版CUDA？
可以通过控制面板卸载旧版CUDA，或手动删除相关文件和注册表项。
安装CUDA 12.8时应该选择哪个安装包？
建议选择exe (network)版本，如果网络不稳定则选择exe (local)版本。
如何验证CUDA安装是否成功？
可以通过检查CUDA版本和使用nvidia-smi命令来验证CUDA安装是否成功。
如何测试PyTorch和TensorFlow是否支持GPU？
在PyTorch中使用torch.cuda.is_available()测试，在TensorFlow中使用tf.config.list_physical_devices('GPU')测试。
