必须安装匹配的CUDA Toolkit和cuDNN：先用nvidia-smi确认驱动支持的最高CUDA版本（如12.9），再下载对应CUDA 12.9离线包（取消勾选驱动组件），接着手动集成精确匹配的cuDNN v9.8.x，最后配置环境变量并验证torch.cuda.is_available()和cudnn.enabled均为True。
要在Windows上让PyTorch或TensorFlow真正调用GPU加速训练，必须正确安装CUDA Toolkit和cuDNN，二者版本不匹配会导致torch.cuda.is_available()返回False、程序静默降级到CPU、甚至出现“no kernel image is available”这类不可恢复的运行时错误。
确认显卡驱动支持的最高CUDA版本
打开命令提示符（Win+R → 输入cmd → 回车），执行：nvidia-smi
右上角显示的【CUDA Version: 12.9】不是你已安装的CUDA版本，而是当前显卡驱动所能支持的最高CUDA Toolkit版本——这是你选型的硬性上限，绝不可突破。
若输出中未显示CUDA Version字段，说明显卡驱动过旧（低于450.80.02），必须先用DDU在安全模式下彻底卸载后重装Studio Driver。
下载并安装CUDA Toolkit
方法一：直接安装官方离线包（推荐）
访问CUDA Toolkit Archive，选择≤nvidia-smi显示值的最新稳定版（如显示12.9，则选12.9.0或12.8.2），操作系统选Windows，架构选x86_64，下载类型选exe(local)。
双击运行安装程序→勾选“我同意”→选择“自定义安装”→【务必取消勾选“NVIDIA Driver Components”】（已有驱动，重复安装会冲突）→其余组件全选→安装路径保持默认（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9）。
方法二：命令行静默安装（适合批量部署）
以管理员身份运行PowerShell，执行：cuda_12.9.0_546.17_win10.exe -s nvcc_12.9 cudart_12.9
该命令仅安装编译器与运行时，跳过驱动和文档，避免C盘空间浪费。
手动集成cuDNN到CUDA目录
第一步：登录NVIDIA cuDNN官网下载对应版本（需注册开发者账号），选择与CUDA 12.9完全匹配的cuDNN v9.8.x for CUDA 12.x（注意不是“for CUDA 12.x.x”模糊匹配，必须精确到主次版本号）。
让 Windows 桌面程序在开机时静默自启并隐藏到系统托盘。特别适用于 Flutter、Electron 等无视 VBS/ProcessStartInfo 窗口样式、难以隐藏的顽固应用。提供「VBS 启动器 + Python ctypes/Win32 API」的隐藏窗口方案，可稳定把窗口收进托盘且不闪控制台。
第二步：解压下载的zip包，进入cuda\子文件夹。
第三步：将bin\内所有.dll文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\bin\；
将include\cudnn*.h复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\include\；
将lib\x64\cudnn*.lib复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\lib\x64\。
⚠️ 复制时若提示“目标文件正在使用”，说明有进程（如Python解释器、IDE）正加载旧cuDNN，请重启电脑后再操作。
配置系统环境变量
① 按Win+R输入sysdm.cpl→“高级”选项卡→“环境变量”→在“系统变量”中找到Path→点击“编辑”。
② 新增三行路径（按顺序添加，不可合并为一行）：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\binC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\lib\x64C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\include
③ 新建系统变量CUDA_PATH，值设为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9。
完成配置后，关闭所有已打开的命令行窗口，重新打开一个新的cmd，执行nvcc -V和echo %CUDA_PATH%验证路径是否生效。
验证CUDA与cuDNN是否协同工作
打开Python终端，依次执行：import torchprint(torch.cuda.is_available())print(torch.backends.cudnn.enabled)
前两行都输出True才算成功；若第一行为True但第二行为False，说明cuDNN未被识别，检查bin目录下的cudnn64_9.dll是否真实存在且文件名拼写准确（常见错误：多写一个下划线或数字写成8）。
这一步操作起来很简单，直接把文件拖进去就行。
