目录
0 前言
近年来，人工智能和深度学习技术的快速发展，使得NVIDIA显卡及其配套的CUDA计算平台成为了开发者不可或缺的工具。然而，随着框架版本的迭代（如PyTorch 2.0+对CUDA 11.8+的依赖）和硬件性能的升级，许多开发者常常面临驱动版本过旧导致兼容性差、CUDA环境冲突等问题。例如，在尝试运行YOLO系列当前最新的YOLOv12模型时，requirements里的环境最低要求CUDA版本为12，torch版本为2.2，均高于博主之前教程中的11.8及2.0，因此，需要卸载重新安装较新版本的CUDA；或在训练大型神经网络时，旧版驱动无法充分发挥GPU性能。驱动的更新均有风险，请明确自己的目的再进行此操作。
本文将以Windows11为例，详细讲解如何升级NVIDIA显卡驱动（风险操作）、彻底卸载旧版CUDA Toolkit，并安装较新的CUDA环境。
1 准备工作
查看当前电脑中NVIDIA驱动版本及支持的最高CUDA版本、当前电脑中是否安装CUDA及安装CUDA版本。
1.1 查看NVIDIA版本
打开cmd输入如下指令
nvidia-smi
可以看到驱动版本如图，绿色方框内为驱动版本，可以看到我的驱动版本为560.94，蓝色方框内为支持的最高CUDA版本，我这里为12.6，如果准备安装的CUDA版本在12.6及以下，则显卡驱动不需要更新，如果没有则需要更新，更新前建议记录显卡驱动版本，避免更新后出现异常情况无法复原。（注意：驱动更新属于风险操作，请确保自己有能力应对突发状况再更新，出现异常及时恢复至稳定版本！）
1.2 查看CUDA版本
打开cmd输入如下指令
nvcc -V
可以看到我这里安装的是CUDA11.8，因此需要将原有的CUDA卸载，安装较新的版本。
如果没有搜索到可以按下方默认安装目录查找
"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA"如果有文件夹，则安装的是对应版本，如果有多个文件夹则点开看哪个是较新安装的。
文中章节仅为了方便阅读，推荐按照3.1 ，2 ，3.2 的顺序先卸载老CUDA，再安装新NVIDIA驱动，再安装新CUDA。驱动的更新均有风险，请明确自己的目的再进行此操作。
2 更新显卡驱动
更新NVIDIA显卡驱动，这里我只推荐去官网下载新版本的驱动程序安装，其他使用驱动管理软件安装的方法这里均不推荐。
访问NVIDIA驱动更新官网
搜索自己显卡型号，不确定型号可以打开任务管理器， 点击左侧性能，找到GPU查看，例如我这里显卡型号为GTX 1660SUPER。
可以在搜索框中输入，也可以分别点击查找，均可找到目标显卡，要注意系统版本，然后点查找。
可以找到多个版本，如GeForce Game Ready Driver 和 NVIDIA Studio 驱动程序 两大系列，两个都可以下载安装，没有游戏需求可以下载NVIDIA Studio，如果只有一种则下载那一种就可以，左下角红色方框内为驱动版本，较新的一般都可以，稳定性应该也都差不多，之前自己显卡的驱动版本记清楚，这里如果下到不稳定的显卡驱动版本还需要还原到之前的驱动版本。
可以直接下载默认看到的，也可以展开下载其余版本，都可以。
下载左侧第一个就可以。
打开，第一个解压选ok，等待解压完成后选显卡驱动
同意后点精简，然后下一步，然后点升级耐心等待
3 升级CUDA
3.1 卸载老CUDA
安装新CUDA，需要先将老CUDA卸载，这里输入win+i，打开应用，然后搜索 nvidia ，
可以看到所有nvidia相关的程序都被列出来，这里我们只保留图中框选的三个，分别是NVIDIA GeForce Experience、NVIDIA PhysX、NVIDIA 图形驱动程序，其余全部卸载。
全部卸载完成后找到安装目录，默认CUDA安装目录如下
"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA"将里面所有的文件夹删除，CUDA则删除完毕。卸载完成后最好重启一下电脑。
3.2 安装新CUDA
这里仍然前往NVIDIA官网下载CUDA，网址如下
CUDA Toolkit Archive | NVIDIA Developer
需要什么版本可自行下载，这里给出CUDA12.4的下载链接
下载完之后运行安装，建议安装到默认路径，所以C盘需要留有20G以上的存储空间，一直点击下一步，直到出现这个界面点击自定义，然后全部勾选即可。
然后点击下一步，等待安装即可。
安装完成可打开cmd，输入如下指令
nvcc -V查看新版本的CUDA情况。
至此，NVIDIA的驱动更新及CUDA的卸载安装均已完成，推荐按照3.1 ，2 ，3.2 的顺序先卸载老CUDA，再安装新NVIDIA驱动，再安装新CUDA。
关注微信公众号 快速联系我~