AI 开发底座搭建：VisualStudio、CUDA、Anaconda 协同安装与版本对应关系

配置一套稳定、高效的 AI 深度学习环境，顺序和版本匹配是成功的关键。

—

1. 工具安装顺序及版本选型

必须遵循：先装 VS，再装 CUDA。

版本选择：推荐 Visual Studio 2022 社区版 (Community)。
安装要点：运行安装程序时，必须勾选 “使用 C++ 的桌面开发”。
- 原因：CUDA 需要 VS 中的 C++ 编译器（MSVC）来编译 GPU 指令。

CUDA 版本：推荐 11.8（目前 AI 开源项目如 Stable Diffusion、PyTorch 兼容性最好的版本）。
cuDNN 匹配：必须下载适配 CUDA 11.x 的版本。推荐 cuDNN v8.9.6。
安装方法：
1. 安装 CUDA（精简安装）。
2. 解压 cuDNN 压缩包，将内部的 bin、include、lib 三个文件夹内容，复制到 CUDA 的安装根目录中（默认：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8）。

逻辑：Anaconda 是 Python 的发行版。安装了指定版本的 Anaconda，就自带了对应的 Python。
推荐版本：Anaconda3-2023.03（内置 Python 3.10）。
- 原因：Python 3.10.6 是目前 AI 绘图（WebUI）和许多大模型最稳定的环境。

—

—

安装完成后，必须将路径告诉系统。

工具需添加的路径示例

GitD:\Setting\Git\bin

FFmpegD:\Setting\ffmpeg\bin

Anaconda

D:\Setting\anaconda3

D:\Setting\anaconda3\Scripts

D:\Setting\anaconda3\Library\bin

D:\Setting\anaconda3\Library\mingw-w64\bin

—

2026 年依然通用的稳定版配对表(稳定版)：

组件	推荐版本	核心备注
Visual Studio	2022 Community	必须安装“使用 C++ 的桌面开发”组件，否则 CUDA 无法挂载。
CUDA	11.8	目前 AI 领域（PyTorch、各类 WebUI）兼容性最强、最稳定的版本。
cuDNN	8.9.6	专为适配 CUDA 11.x 设计，提供深度学习加速支持。
Python	3.10.6	Stable Diffusion、自动绘图等开源项目的首选“钦定”版本。
Anaconda	2023.03	内置 Python 3.10，省去手动切换版本的麻烦，管理环境更省心。

—

打开 CMD（命令提示符），输入以下指令。如果均显示版本号，说明环境变量配置正确：

此内容登录或注册后可见