强烈谴责！某些文章自己做的乱七八糟导致重新安装cuda继而漫长的踩坑过程
（我一开始错误原因是，打开cuda地址发现根本没有extras这个文件夹，但是cuDnn验证的时候需要查看这文件夹里面的两个exe文件是否pass，就去找了两个cuda卸载的教程，具体删没删干净也不好说，毕竟后面安装失败了，但是不慌兄弟们，比较好解决）
查看显卡和cuda的对应版本
输入
nvidia-smi
查看自己的对应版本，例如
我这里的cuda对应版本是12.6
所以下载对应版本即可
cuda下载链接
在里面找到自己对应的版本进行安装
我安装是参考了这个链接，为了方便大家看直接截图了，鸣谢！
选择自定义安装之后到这一步了，除了cuda其他的都不要选（我第二遍安装的时候还有一个nvidia geforce experience的选项，也不需要选择
然后
上面红色框起来的这个千万不要选！！！！
以及，我当时是Nsight compose报错安装失败了，从而导致剩下的我去看了看目标文件夹都是安装失败的，所以在这里面显示失败的文件夹都取消勾选
（之前找到一个博文说是一个一个勾选，我个人感觉不需要，Nsight compose失败我就仅仅取消勾选了这一个，也是成功安装了）
ok，然后我们取消勾选之后一般就是安装成功了，此时这个Nsight compose也不是不管了，而是以一种其他的形式，强迫它回到我们身边（bushi）
Nsight compose下载路径
打开可以看到有很多的版本，此时，需要一些比较土著的方法来解决这个问题
后续的cuDnn我也是用问kimi解决的，方便快捷！
Nsight compose的默认安装地址就是正确的（人话：不需要修改）
用这种方式下载好的cuda验证没有问题了
然后我后续还遇到需要打开extras里面两个exe闪退的问题
直接打开cmd将两个exe拖动到cmd里面就可以正常显示pass了（注意：不需要管理员身份运行，普通就ok）
下面的链接是包含后续在项目里面炼丹配置的过程
因为发现项目实际在运行的过程中感觉有点慢，但是cuda和cudnn显示确实是弄好了，我就秉着怀疑态度看了看是不是gpu成功配置好了，但是一看发现心都凉了，版本不匹配
验证代码
import tensorflow as tf
# 检查 TensorFlow 版本
print("TensorFlow version:", tf.__version__)
# 检查是否可用的 GPU
gpus = tf.config.list_physical_devices('GPU')
if gpus:
print("GPUs detected:")
for gpu in gpus:
print(gpu)
else:
print("No GPU detected.")
出来结果和我一样的，恭喜你！玩去吧
出来这个的
No GPU detected
我强烈建议看我下面的踩坑历史，貌似大概也许应该会有收获的
最猩猩猩猩