要配置NVIDIA显卡的CUDA和cudnn，各种版本之间的依赖关系以及与其他使用GPU的库版本兼容一直没有弄明白，最近经过多次卸载重装，终于成功配置好了显卡计算环境，于是把各个驱动程序和库之间的依赖关系理一下。

一.显卡

我的显卡如下:

二.驱动下载

官网下载https://www.geforce.cn/drivers,直接下载GeForce Experience,它会根据你机器的显卡自动匹配和安装最适合的驱动.

三.显卡驱动版本查看

打开NVIDIA设置，在菜单“帮助”-》“系统信息”弹出的对话框的“显示”tab框中能看到。

四.显卡驱动支持的CUDA版本查看

两种办法:

1.是打开NVIDIA设置，在菜单“帮助”-》“系统信息”弹出的对话框的“组件”tab框中能看到。

2.参考显卡驱动的Release Notes

五.CUDA版本选择

CUDA版本选择要看其他上层库的需求，比如TensorFlow，caffe,OpenCV，还有编译环境的需求，比如VisualStudio等。

下载地址：https://developer.nvidia.com/cuda-toolkit-archive

tensorflow版本要求：

https://tensorflow.google.cn/install/source_windows

windows操作系统和VS编译器需求：(可以在安装指导中找到)

六.cuDNN版本

要选择和cuda对应版本的,其实这只是一个基于cuda的库，不需要安装，下载后的压缩包解压后是一些头文件，lib和dll(windows操作系统)文件。

cudnn下载地址：(需要登录)

https://developer.nvidia.com/rdp/cudnn-download

七.显卡GPU 算力查询

GTX1050 GPU算力6.1   ,即compute_61,sm_61  compute_61,sm_61

八. 训练出现checked faild错误,检查显卡驱动是否出现黄色感叹号

解决办法:

卸载重装,记住将原驱动也删除掉.