windows下安装配置cudn和cudnn
（一）GPU新驱动安装
查看自己电脑的显卡信息，可以使用工具CPU-Z检测。下图为本机的显卡信息：
编辑
显卡信息查看.png
进入NVIDIA驱动下载进行符合条件的下载安装。直接安装并取代之前的显卡版本。
编辑
根据查看的主机信息进行选择.png
（二）CUDA的下载安装
概念
cudn是显卡厂商NVIDIA推出的通用并行计算平台，可以减轻CPU的计算压力，提升计算的速度。
2.下载
检查自己的电脑是否支持CUDA，可以看到Computing后面跟CUDA前面有对勾，说明支持CUDA计算。
从NVIDIA官网选择一个CUDA版本进行下载，为了保证显卡、CUDA等等版本的对应，选了8.0版本进行下载。
编辑
根据自己的主机环境选择.png
安装
双击.exe文件直接默认安装。
使用如下命令查看是否安装成功：
nvcc -V
编辑
安装成功的测试结果.png
添加到path环境变量（为保证一次安装正确，笔者进行了配置，不清楚此步骤是否可以省略，愿意尝试的同学可以试试）
计算机-属性-高级系统设置-环境变量。
按自己的路径进行添加CUDA\v8.0\bin和CUDA\v8.0\libnvvp。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp;
用VS2013进行编译。
这个步骤可能是比较复杂的一步了。如果没有VS2013需要进行下载安装。（10、12、15版的应该也可以）。
到CUDA Samples\v8.0目录下（结合自己情况进行查找），找到Samples_vs2013.sln文件，用VS打开。
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
在Release，选择Solution 'Samples_vs2013'(155 projects)，右键选择Rebuild Solution，重新生成解决方案。[笔者在此步遇到路径拒绝访问的问题，查找发现是因为文件权限为只读，切到目录最上层，修改文件夹权限]。
上步骤需要一定的时间去执行（时间有点长），结果报错，提示缺少”d3dx9.h”、”d3dx10.h”、”d3dx11.h”三个头文件。不用着急，我们从这里下载DXSDK_Jun10.exe,默认安装重新编译即可。（所以读者可以选择直接下载安装完成后再进行编译，可节省时间）。
编辑
编译完成
命令行查看GPU是否处于正常状态
找到目录下的deviceQuery.exe和bandwidthTest.exe。笔者目录及结果如下：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
关于执行EXE文件一闪而过的问题，可以先打开命令行，将文件拖进来执行。
编辑
deviceQuery.exe执行结果
编辑
bandwidthTest.exe执行结果
到此，CUDA的安装就算完成了！真不容易…
（三）CUDNN的下载安装
概念
CUDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行CAFFE软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。
相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。
下载这里是下载地址。根据自己安装的CUDA版本选择相应的CUDNN的版本，这里选择的是V5 for CUDA 8.0版本。
编辑
CUDNN下载版本选择
安装作为cuda的补充，安装简单多了，只需要把下载后的压缩文件解压缩，分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5对应的include、lib、bin目录下即可。
至此，深度学习的CUDA和CUDNN就安装完毕了。