Windows 深度学习环境配置（CUDA12.8 + cuDNN9.x + PyTorch）最简避坑指南（2026 最新）

前言

[一、卸载旧 CUDA（必做，否则版本打架）](#一、卸载旧 CUDA（必做，否则版本打架）)

[1. 卸载旧版 Toolkit](#1. 卸载旧版 Toolkit)

[2. 删除残留文件夹（清干净）](#2. 删除残留文件夹（清干净）)

[3. 重启电脑](#3. 重启电脑)

二、清理旧环境变量（最关键！新手最容易错）

[1. 系统变量里删除](#1. 系统变量里删除)

[2. Path 清理（重点）](#2. Path 清理（重点）)

[三、安装 CUDA 12.8（只装核心，不装驱动）](#三、安装 CUDA 12.8（只装核心，不装驱动）)

[1. 下载](#1. 下载)

[2. 安装（自定义，极简）](#2. 安装（自定义，极简）)

[3. 配置新环境变量](#3. 配置新环境变量)

[4. 验证 CUDA](#4. 验证 CUDA)

[四、安装 cuDNN 9.x（适配 CUDA12.x）](#四、安装 cuDNN 9.x（适配 CUDA12.x）)

[1. 下载](#1. 下载)

[2. 覆盖文件（无脑复制）](#2. 覆盖文件（无脑复制）)

[3. 验证 cuDNN（可选）](#3. 验证 cuDNN（可选）)

[五、pip 安装 PyTorch 超时问题解决（ReadTimeoutError）](#五、pip 安装 PyTorch 超时问题解决（ReadTimeoutError）)

[1. 报错现象](#1. 报错现象)

[2. 临时解决（推荐）](#2. 临时解决（推荐）)

[3. 永久配置国内源（一劳永逸）](#3. 永久配置国内源（一劳永逸）)

[4. 国内源备选（换着用）](#4. 国内源备选（换着用）)

六、软件下载链接以及流程：

前言

很多人第一次配置 NVIDIA GPU 深度学习环境都会踩坑：旧 CUDA 残留、环境变量混乱、版本不匹配、pip 下载超时、GPU 跑不起来...... 本文基于 Windows 10/11，手把手完成 CUDA12.8 + cuDNN9.x + PyTorch（cu128） 完整搭建，全程只装必要组件，零冗余、零冲突。

一、卸载旧 CUDA（必做，否则版本打架）

1. 卸载旧版 Toolkit

打开：设置 → 应用 → 已安装应用 搜索：CUDA 卸载所有 "NVIDIA CUDA Toolkit xx.x"（v11.x、旧 v12.x 全部干掉）

⚠️ 千万不要卸载：

NVIDIA Graphics Driver（显卡驱动）
NVIDIA Control Panel（控制面板）

2. 删除残留文件夹（清干净）

必须删除：

复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit

可选删除（不影响驱动，只是清理垃圾）：

复制代码

C:\Program Files\NVIDIA Corporation\Installer2
C:\Program Files\NVIDIA Corporation\Nsight*
C:\Program Files\NVIDIA Corporation\FrameViewSDK

这些是旧调试工具、安装缓存，删了不影响显卡和新 CUDA。

3. 重启电脑

卸载 + 删目录后一定要重启，否则环境变量和进程会残留。

二、清理旧环境变量（最关键！新手最容易错）

右键「此电脑」→ 属性 → 高级系统设置 → 环境变量

1. 系统变量里删除

删除所有：CUDA_PATH、CUDA_PATH_V11_8、CUDA_PATH_V12_xxx

2. Path 清理（重点）

把 Path 里所有硬编码旧 CUDA 路径全部删掉，例如：

复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
...

✅ 保留并置顶（以后换版本不用改 Path）

复制代码

%CUDA_PATH%\bin
%CUDA_PATH%\libnvvp

把这两行移到 Path 最顶部。

三、安装 CUDA 12.8（只装核心，不装驱动）

1. 下载

官网下载 CUDA 12.8 Windows 离线安装包。

2. 安装（自定义，极简）

右键 → 管理员身份运行
选择 Custom（自定义）
组件只勾选 ： ✅ CUDA Toolkit 12.8 ❌ 取消勾选 NVIDIA Graphics Driver（绝对不要装！） ❌ 取消勾选 Nsight、Visual Studio Integration（不用就不装）

安装路径默认即可：

复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8

3. 配置新环境变量

系统变量 → 新建：

复制代码

变量名：CUDA_PATH
变量值：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8

Path 确保有（且置顶）：

复制代码

%CUDA_PATH%\bin
%CUDA_PATH%\libnvvp

4. 验证 CUDA

新开终端（必须新开）：

复制代码

nvcc -V

输出 release 12.8 即成功。

四、安装 cuDNN 9.x（适配 CUDA12.x）

1. 下载

官网下载 cuDNN 9.x for CUDA 12.x（选择 Windows 版）。

2. 覆盖文件（无脑复制）

解压后把：

bin\*
include\*
lib\*

全部复制到：

复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\

对应文件夹直接覆盖即可。

3. 验证 cuDNN（可选）

进入：

复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\extras\demo_suite

运行：

复制代码

deviceQuery.exe
bandwidthTest.exe

出现 Result=PASS 说明成功。

五、pip 安装 PyTorch 超时问题解决（ReadTimeoutError）

1. 报错现象

复制代码

WARNING: Retrying ... ReadTimeoutError ... read timeout=15

原因：国外源太慢、超时太短、国内网络不稳定稀土掘金

2. 临时解决（推荐）

安装时加 国内源 + 超时延长：

复制代码

pip install torch==2.9.0+cu128 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout 60

3. 永久配置国内源（一劳永逸）

Windows 用户目录新建： C:\Users\你的用户名\pip\pip.ini

内容：

复制代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
timeout = 60

保存后所有 pip 自动走国内源、超时 60 秒。

4. 国内源备选（换着用）

清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里：https://mirrors.aliyun.com/pypi/simple/
豆瓣：http://pypi.douban.com/simple/稀土掘金

常见坑总结

不要装多个 CUDA：环境变量必乱，卸载干净只留 12.8。
不要重装显卡驱动 ：CUDA 安装时取消驱动勾选。
Path 不要写死旧路径 ：用 %CUDA_PATH% 动态指向，以后升级不用改 Path。
pip 超时必换国内源：国外源在国内基本不可用。
cuDNN 直接覆盖：不用复杂配置，复制粘贴即可。
重启大法 ：卸载、删目录、改环境变量后一定要重启 / 新开终端。

六、软件下载链接以及流程：

CUDA Toolkit 12.8 Update 1 Downloads | NVIDIA Developer

cuDNN 9.24.0 Downloads | NVIDIA Developer

pytorch官网https://pytorch.org/

Get Started

创建虚拟环境下载离线包：

新建一个虚拟环境装python3.10版本的torch-gpu,并激活

python 复制代码

(base) PS D:\huaweidata> conda create --name torch-gpu python=3.10                                                                                               
Channels:                                                                                                                                                        
 - defaults                                                                                                                                                      
Platform: win-64                                                                                                                                                 
Collecting package metadata (repodata.json): done                                                                                                                
Solving environment: done                                                                                                                                        
                                                                                                                                                                 
## Package Plan ##                                                                                                                                               
                                                                                                                                                                 
  environment location: C:\Users\admin\anaconda3\envs\torch-gpu                                                                                                  
done                                                                                                                                                             
#                                                                                                                                                                
# To activate this environment, use                                                                                                                              
#                                                                                                                                                                
#     $ conda activate torch-gpu                                                                                                                                 
#                                                                                                                                                                
# To deactivate an active environment, use                                                                                                                       
#                                                                                                                                                                
#     $ conda deactivate                                                                                                                                         
                                                                                                                                                                 
(base) PS D:\huaweidata> conda activate torch-gpu                                                                                                                
(torch-gpu) PS D:\huaweidata>

安装下载好的软件包：

python 复制代码

(torch-gpu) PS C:\Users\admin\Downloads> pip install "torch-2.9.0+cu128-cp310-cp310-win_amd64.whl"

python 复制代码

(torch-gpu) PS C:\Users\admin\Downloads> pip install "torchvision-0.24.0+cu128-cp310-cp310-win_amd64.whl"

确认有没有装好：

python 复制代码

python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA可用:', torch.cuda.is_available()); print('GPU数量:', torch.cuda.device_count()); print('CUDA版本:', torch.version.cuda if torch.cuda.is_available() else '未安装'); print(torch.cuda.get_arch_list())"

结果：

python 复制代码

(torch-gpu) PS C:\Users\admin\Downloads> python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA可用:', torch.cuda.is_available()); print('GPU数量:', torch.cuda.device_count()); print('CUDA版本:', torch.version.cuda if torch.cuda.is_available() else '未安装'); print(torch.cuda.get_arch_list())"    
PyTorch版本: 2.9.0+cu128
CUDA可用: True
GPU数量: 1
CUDA版本: 12.8
['sm_70', 'sm_75', 'sm_80', 'sm_86', 'sm_90', 'sm_100', 'sm_120']
(torch-gpu) PS C:\Users\admin\Downloads>