🛠️ 彻底卸载 CUDA 与 cuDNN 指南：告别版本冲突，纯净配置深度学习环境

在深度学习环境配置中，CUDA 版本不匹配是最令人头疼的问题之一。无论是从 CUDA 11.3 升级到 12.1，还是切换 PyTorch 与 TensorFlow 版本，甚至只是修复莫名的环境冲突，彻底清除旧版 CUDA 和 cuDNN 的残留文件都是关键前提。本文将详细讲解一套经过实战验证的完整卸载流程，结合命令行工具与图形界面操作，确保旧版本的 “痕迹” 不会干扰新环境的配置。

🚩 为什么需要彻底卸载？

CUDA（Compute Unified Device Architecture）是 NVIDIA 推出的并行计算平台，而 cuDNN（CUDA Deep Neural Network library）是基于 CUDA 的深度学习加速库。两者的版本需要与 GPU 驱动、深度学习框架（如 PyTorch、TensorFlow）严格匹配，否则会出现以下问题：

• 运行代码时提示 “CUDA error: no kernel image is available for execution on the device”（框架与 CUDA 版本不兼容）；
• 安装框架时出现 “torch.cuda.is_available () 返回 False”（CUDA 未正确识别）；
• 编译代码时出现大量 “undefined reference to cudnnXXX”（cuDNN 版本不匹配或残留文件干扰）。

这些问题的根源往往是旧版 CUDA/cuDNN 的残留文件与新版冲突，例如：

• 环境变量中同时存在多个 CUDA 版本的路径；
• 系统目录中残留旧版的动态链接库（如 cudart64_110.dll 与新版冲突）；
• 注册表中未清理的安装信息导致新版安装路径异常。

因此，彻底卸载不是 “可选步骤”，而是确保新环境稳定运行的基础。

📋 卸载前的准备工作

在开始卸载前，请完成以下准备工作，避免操作失误：

1. 备份重要数据：

   • 若已安装 PyTorch、TensorFlow 等框架，建议记录当前使用的版本（可通过 pip list | findstr torch 查看），便于后续重新安装匹配版本；
   • 保存项目依赖文件（如 requirements.txt），避免卸载后依赖丢失。

2. 关闭相关程序：

   • 关闭所有正在运行的深度学习程序（如 Python 脚本、Jupyter Notebook、PyCharm 等）；
   • 结束 NVIDIA 相关后台进程（如 nvidia-smi.exe、nvcc.exe），可通过任务管理器强制结束。

3. 确认当前 CUDA 版本：
   打开命令提示符（CMD）或 PowerShell，执行以下命令查看当前安装的 CUDA 版本：

   bash

   nvcc -V  # 查看 CUDA 编译器版本
   nvidia-smi  # 查看 GPU 驱动及支持的最高 CUDA 版本
   

    

   记录输出结果，明确需要卸载的版本（如 CUDA Version 11.3）。

🔍 步骤一：卸载所有 CUDA 相关程序

CUDA Toolkit 的卸载需从 “程序和功能” 入手，确保所有相关组件被彻底移除。这一步需要区分 “必须卸载的组件” 和 “建议保留的组件”。

1. 打开程序卸载界面

图形界面操作：

• 在 Windows 搜索栏输入 控制面板 并打开；
• 依次进入 程序 → 程序和功能（或直接搜索 卸载程序 快速进入）。

命令行快速打开：
在 PowerShell 中执行以下命令直接打开卸载界面：

powershell

control appwiz.cpl  # 打开“程序和功能”窗口

2. 识别并卸载 CUDA 核心组件

在程序列表中，所有名称包含 CUDA 的组件都需要卸载，核心组件包括：

组件名称	说明	必须卸载
NVIDIA CUDA X.X Toolkit	CUDA 核心工具包（如 11.3、12.1 版本）	是
NVIDIA CUDA Development Tools	CUDA 开发工具（编译器、调试器等）	是
NVIDIA CUDA Runtime	CUDA 运行时库	是
NVIDIA CUDA Documentation	CUDA 文档	是
NVIDIA CUDA Samples	CUDA 示例程序	是
NVIDIA CUDA Patch X.X.Y.Z	CUDA 补丁程序	是

卸载操作：

• 右键点击上述组件，选择 卸载，按提示完成卸载（部分组件卸载时需同意许可协议或重启，可暂时不重启，留到最后统一操作）；
• 卸载顺序建议：先卸载补丁（Patch），再卸载 Toolkit 和开发工具，避免依赖错误。

3. 保留或卸载 NVIDIA 显卡驱动

注意：显卡驱动（NVIDIA Graphics Driver）与 CUDA Toolkit 是分离的，无需卸载，原因如下：

• 显卡驱动支持多个 CUDA 版本（如 512.xx 版本驱动可支持 CUDA 11.6 及以下版本）；
• 卸载驱动后需重新安装，可能导致后续 GPU 无法识别。

若因特殊需求必须卸载驱动（如驱动版本过旧），需注意：

• 驱动名称通常为 NVIDIA Graphics Driver xxx.xx（如 NVIDIA Graphics Driver 531.61）；
• 卸载后需到 NVIDIA 官网 下载对应 GPU 型号的最新驱动。

4. 卸载 cuDNN 及其他配套库

cuDNN 通常作为 CUDA 的扩展库安装，其卸载方式有两种：

• 集成在 CUDA 目录中：若通过 .exe 安装包安装 cuDNN，会出现在程序列表中（名称含 cuDNN），直接右键卸载即可；
• 手动复制文件：若通过压缩包手动安装（将 bin、include、lib 文件夹复制到 CUDA 目录），则无单独卸载程序，需后续删除文件（见步骤三）。

其他配套库（如 NVIDIA Nsight、Nsight Systems）若不再需要，可一并卸载（名称含 NVIDIA Nsight）。

5. 命令行批量查询已安装的 CUDA 组件

若程序列表过长，可通过 PowerShell 命令筛选所有 NVIDIA 相关程序，快速定位需要卸载的组件：

powershell

# 列出所有名称含 "NVIDIA" 或 "CUDA" 的已安装程序
Get-WmiObject -Class Win32_Product | Where-Object { $_.Name -match "NVIDIA|CUDA" } | Select-Object Name, Version

# 输出示例：
# Name                                      Version
# ----                                      -------
# NVIDIA CUDA 11.3 Toolkit                  11.3.109
# NVIDIA CUDA 11.3 Runtime                  11.3.109
# NVIDIA Graphics Driver 531.61             531.61

说明：Win32_Product 可能需要管理员权限，若查询缓慢，可改用：

powershell

Get-ItemProperty HKLM:\Software\Microsoft\Windows\CurrentVersion\Uninstall\* | Where-Object { $_.DisplayName -match "NVIDIA|CUDA" } | Select-Object DisplayName, DisplayVersion

🔧 步骤二：清理残留的环境变量

卸载程序后，系统环境变量中可能仍残留旧版 CUDA 的路径，导致新版本安装时优先识别旧路径。需手动清理以下变量：

1. 打开环境变量配置界面

图形界面操作：

• 右键 此电脑 → 属性 → 高级系统设置 → 环境变量，打开配置窗口。

命令行操作：
在 PowerShell 中执行：

powershell

sysdm.cpl  # 打开“系统属性”窗口，需手动点击“环境变量”

2. 清理系统变量与用户变量

环境变量分为 “系统变量”（对所有用户生效）和 “用户变量”（仅当前用户生效），需分别检查：

（1）删除 CUDA 相关的 Path 路径

• 在 “系统变量” 或 “用户变量” 中找到 Path 变量，点击 编辑；
• 删除所有包含旧版 CUDA 路径的条目，典型路径包括：

  plaintext

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64
  

  
  （注意替换 v11.3 为实际需要卸载的版本）

（2）删除 CUDA 专用变量

删除名称含 CUDA 的系统变量，如：

• CUDA_PATH：指向旧版 CUDA 安装目录；
• CUDA_PATH_V11_3：对应特定版本的路径（V11_3 为版本标识）；
• NVTOOLSEXT_PATH：NVIDIA 工具扩展路径（若与旧版绑定）。

（3）PowerShell 脚本批量清理（高级操作）

若熟悉 PowerShell，可使用以下脚本自动查找并删除 CUDA 相关环境变量（谨慎操作，建议先备份变量）：

powershell

# 清理 Path 变量中的 CUDA 路径
$envPath = [Environment]::GetEnvironmentVariable("Path", "Machine")  # 系统级 Path
$newPath = ($envPath -split ';') | Where-Object { $_ -notmatch "CUDA\\v\d+\.\d+" }
[Environment]::SetEnvironmentVariable("Path", $newPath -join ';', "Machine")

# 删除 CUDA 专用变量
$cudaVars = Get-ChildItem "HKLM:\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" | Where-Object { $_.Name -match "CUDA|NVTOOLSEXT" }
foreach ($var in $cudaVars) {
    Remove-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" -Name $var.PSChildName
}

# 刷新环境变量
refreshenv

说明：

• 脚本需以管理员权限运行（右键 PowerShell → 以管理员身份运行）；
• HKLM 对应系统变量，若需清理用户变量，替换为 HKCU；
• refreshenv 命令需安装 Chocolatey 工具，若无，可重启电脑生效。

🗑️ 步骤三：删除安装目录残留文件

卸载程序和环境变量清理后，仍可能存在文件夹残留，需手动删除：

1. 删除 CUDA 主目录

CUDA 默认安装路径为：

plaintext

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\

进入该目录，删除对应版本的文件夹（如 v11.3）。若整个目录下已无其他版本，可直接删除 CUDA 文件夹。

若删除时提示 “文件正在被使用”，解决方法：

• 重启电脑后再删除（确保所有进程已关闭）；
• 用 PowerShell 强制删除（管理员权限执行）：

  powershell

  Remove-Item -Path "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3" -Recurse -Force
  

  
  -Recurse 表示递归删除子目录，-Force 强制删除只读文件。

2. 清理 cuDNN 残留文件

若通过压缩包手动安装 cuDNN，需检查以下路径并删除相关文件：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin\cudnn64_8.dll（文件名含 cudnn）；
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include\cudnn.h；
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64\cudnn.lib。

可通过 PowerShell 搜索并删除：

powershell

# 搜索 CUDA 目录下的 cuDNN 文件
Get-ChildItem -Path "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA" -Recurse -Filter "*cudnn*"

# 确认后删除（谨慎！）
Get-ChildItem -Path "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA" -Recurse -Filter "*cudnn*" | Remove-Item -Force

3. 删除其他残留路径

检查以下目录，删除与旧版 CUDA 相关的文件或文件夹：

• 临时文件目录：C:\Users\<用户名>\AppData\Local\Temp\（搜索含 cuda 或 nvidia 的文件）；
• 文档目录：C:\Users\<用户名>\Documents\NVIDIA\（CUDA 示例程序残留）；
• 系统缓存：C:\Windows\System32\DriverStore\FileRepository\（搜索含 nvidia 或 cuda 的文件夹，谨慎删除，建议只删除明确关联旧版本的条目）。

4. 清理注册表残留（高级操作）

注册表残留可能导致新版安装失败，但若不熟悉注册表操作，建议跳过（可通过重启电脑缓解）。若需清理：

1. 按 Win + R 输入 regedit 打开注册表编辑器；
2. 依次定位到以下路径，删除含旧版 CUDA 的条目：

   plaintext

   HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation\CUDA
   HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation\Installer\Products  # 查找含 CUDA 版本的条目
   HKEY_CURRENT_USER\SOFTWARE\NVIDIA Corporation\CUDA
   

3. 搜索注册表（编辑 → 查找），输入 CUDA 版本（如 11.3），删除找到的残留条目。

注意：误删注册表可能导致系统故障，操作前建议导出注册表备份（文件 → 导出）。

✅ 步骤四：验证卸载效果

完成以上步骤后，需验证旧版 CUDA 是否彻底卸载：

1. 命令行验证

打开新的命令提示符或 PowerShell，执行以下命令：

bash

nvcc -V  # 若提示“'nvcc' 不是内部或外部命令”，说明 CUDA 已卸载
where nvcc  # 若输出为空，确认无残留路径

检查环境变量：

powershell

# 查看系统 Path 变量中是否还有 CUDA 路径
$env:Path -split ';' | Where-Object { $_ -match "CUDA" }

若输出为空，说明环境变量清理完成。

2. 目录验证

检查以下路径，确认旧版文件夹已删除：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\（无对应版本文件夹）；
• C:\Program Files\NVIDIA Corporation\（无旧版 CUDA 相关子目录）。

3. 驱动验证

执行 nvidia-smi 命令，若输出 GPU 信息（如名称、内存、驱动版本），说明显卡驱动正常，可继续安装新版 CUDA：

plaintext

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 531.61       Driver Version: 531.61       CUDA Version: 12.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ... WDDM  | 00000000:01:00.0  On |                  N/A |
| 30%   35C    P8    11W / 120W |    320MiB /  6144MiB |      0%      Default |
|                               |                      |                  N/A |
+-----------------------------------------------------------------------------+

🔄 后续操作：安装新版 CUDA 与框架

彻底卸载旧版后，可按以下步骤安装新版环境：

1. 选择匹配的版本：

   • 根据 GPU 驱动支持的最高 CUDA 版本（nvidia-smi 输出的 CUDA Version）选择新版（如驱动支持 12.1，则可安装 ≤12.1 的版本）；
   • 参考框架官方文档选择兼容版本（如 PyTorch 2.0 推荐 CUDA 11.7 或 11.8）。

2. 安装 CUDA Toolkit：
   从 NVIDIA 官网 下载对应版本的安装包，建议选择 exe (local) 本地安装包，安装时选择 “自定义”，勾选必要组件（如 CUDA Toolkit、Development Tools）。

3. 安装 cuDNN：
   从 cuDNN 官网 下载与 CUDA 版本匹配的 cuDNN，解压后将 bin、include、lib 文件夹复制到 CUDA 安装目录（如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\）。

4. 安装深度学习框架：
   以 PyTorch 为例，从 官网 获取对应命令：

   bash

   pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
   

    

   安装后验证：

   python

   import torch
   print(torch.cuda.is_available())  # 输出 True 表示安装成功
   

📌 总结与注意事项

彻底卸载 CUDA 和 cuDNN 的核心是 “三管齐下”：

1. 卸载所有相关程序（从 “程序和功能” 入手）；
2. 清理环境变量（避免路径冲突）；
3. 删除残留文件与目录（确保无旧文件干扰）。

关键注意事项：

• 保留显卡驱动，避免不必要的重装；
• 操作前备份重要数据和环境变量；
• 若遇到文件占用，优先通过重启或命令行强制删除；
• 注册表清理需谨慎，不熟悉者可跳过。

通过这套流程，可有效避免版本冲突，为深度学习环境提供稳定的基础。若在操作中遇到其他问题（如卸载后无法安装新版），欢迎留言讨论！