下载cuda9.0，不需要提取安装驱动，

直接安装cuda，自定义选项中有安装驱动选项。

查看版本：

nvcc -V

cuda9.0下载，可以选择系统

https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=Server2012R2&target_type=exelocal

cudnn个版本下载：

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

   下载CUDA9.2，官网下载地址

    选择CUDA Toolkit 9.2 (March 2018)

from torch._C import * ImportError: DLL load failed

动态链接库（DLL）初始化例程失败 解决方法

然后从https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy下载对应版本的numpy+mkl包，并定位到文件路径本地安装，我的下载地址在用户目录的Downloads目录下，故安装命令为

pip install C:\Users\username\Downloads\numpy‑1.14.5+mkl‑cp36‑cp36m‑win_amd64.whl

网上各种方法，重装numpy等等，最后发现torch 0.4.1版本太高，不兼容，换0.4.0就可以了。

TensorFlow也一样，换低版本就好了。

设置环境变量：这个是自动的

  安装结束后，我们在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量。 

  我们还需要在环境变量中添加如下几个变量：

1. CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0

2. CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

3. CUDA_BIN_PATH = %CUDA_PATH%\bin

4. CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

5. CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

  设置完成之后，我们可以打开cmd来查看。 

  下一步是监测cuda安装成功与否:

  在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口，默认进来的是c:\users\Admistrator>路径，输入 cd .. 两次，来到c:目录下输入dir 找到安装的cuda文件夹。 

  分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果如图所示。Rsult=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。 

  如果以上都没问题，则说明CUDA9.0安装成功。

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/80368227