全系列 NVIDIA 显卡 + Windows 系统 + 组件版本对应关系表

显卡系列（架构）	具体显卡型号	适配 Windows 版本	最低显卡驱动版本	对应 CUDA 版本	对应 CuDNN 版本	适配 Python 版本	对应 TensorRT 版本	核心文件路径
50 系列（Blackwell）	RTX 5090、RTX 5080、RTX 5070、RTX 5060、RTX 5050	Win10/Win11	560.00	13.0.2	9.15.0	3.11.x	10.14.1.48	1. CUDA：J:\VisoMaster-ZH-main\envs\RTX 50\Blackwell2. TensorRT：J:\VisoMaster-ZH-main\envs\RTX 50\TensorRT-10.14.1.48\python
40 系列（Ada Lovelace）	RTX 4090、RTX 4080、RTX 4070 Ti、RTX 4070、RTX 4060 Ti、RTX 4060、RTX 4050	Win10/Win11	551.23	12.9.1	9.15.0	3.11.x	10.14.1.48	1. CUDA：J:\VisoMaster-ZH-main\envs\RTX 40\Ada Lovelace2. TensorRT：J:\VisoMaster-ZH-main\envs\RTX 40\TensorRT-10.14.1.48\python
30 系列（Ampere）	RTX 3090 Ti、RTX 3090、RTX 3080 Ti、RTX 3080、RTX 3070 Ti、RTX 3070、RTX 3060 Ti、RTX 3060、RTX 3050	Win10/Win11	512.15	12.2	8.9.7	3.8-3.10.x	8.6.1.6	1. CUDA：J:\VisoMaster-ZH-main\envs\RTX 30\Ampere\cuda_12.2.2_windows.exe2. TensorRT：J:\VisoMaster-ZH-main\envs\RTX 30\TensorRT-8.6.1.6\python
20 系列（Turing）	RTX 2080 Ti、RTX 2080、RTX 2070 Super、RTX 2070、RTX 2060 Super、RTX 2060、RTX 2050	Win10/Win11	456.38	11.8	8.7.0	3.7-3.9.x	8.4.3.1	1. CUDA：J:\VisoMaster-ZH-main\envs\RTX 20\Turing\cuda_11.8.0_windows.exe2. TensorRT：J:\VisoMaster-ZH-main\envs\RTX 20\TensorRT-8.4.3.1\python
16 系列（Turing）	GTX 1660 Ti、GTX 1660 Super、GTX 1660、GTX 1650 Super、GTX 1650	Win10/Win11	456.38	11.8	8.7.0	3.7-3.9.x	8.4.3.1	1. CUDA：J:\VisoMaster-ZH-main\envs\GTX 16\Turing\cuda_11.8.0_windows.exe2. TensorRT：J:\VisoMaster-ZH-main\envs\GTX 16\TensorRT-8.4.3.1\python
10 系列（Pascal）	GTX 1080 Ti、GTX 1080、GTX 1070 Ti、GTX 1070、GTX 1060、GTX 1050 Ti、GTX 1050	Win10/Win7（Win7 需专用驱动）	456.71	11.4	8.2.4	3.6-3.8.x	8.2.1.8	1. CUDA：J:\VisoMaster-ZH-main\envs\GTX 10\Pascal\cuda_11.4.4_windows.exe2. TensorRT：J:\VisoMaster-ZH-main\envs\GTX 10\TensorRT-8.2.1.8\python

核心对应逻辑与约束说明

1. 架构决定基础兼容性：

• • 同一架构（如 Turing 包含 20/16 系列、Ampere 仅 30 系列）共享相同 CUDA 大版本和驱动基线，跨架构不可混用（如 30 系列的 CUDA 12.2 无法用于 20 系列）。

• • 新架构向下兼容差（50 系列 Blackwell 仅支持 CUDA 13.x，无法使用 12.x 及以下版本），旧架构向上兼容有限（10 系列无法使用 CUDA 12.x）。

1. Python 版本与组件强绑定：

• • 高版本组件（CUDA 12.9+、TensorRT 10.x）仅支持 Python 3.11.x，因依赖较新的 C++ 编译库。

• • 旧版本组件（CUDA 11.x 及以下、TensorRT 8.x）适配 Python 3.6-3.10.x，需按表中范围选择，避免版本不匹配导致 wheel 包安装失败。

1. 驱动版本为前提条件：

• • 显卡驱动版本必须≥表中 “最低驱动版本”，否则 CUDA 无法初始化（如 30 系列用驱动 510.x 会提示 “CUDA driver version is insufficient”）。

• • 建议安装 NVIDIA 官方 “Game Ready 驱动” 或 “Studio 驱动”，避免使用系统自带驱动。

1. 系统版本约束：

• • Win11 对新架构（40/50 系列）支持更优，旧架构（10/20 系列）可兼容 Win10/Win11，但需确保 CUDA 安装包对应系统版本（表中同系列 Win10/Win11 共用核心版本，安装包需区分系统）。

• • Win7 仅支持 10 系列及以下显卡，且需安装专用驱动（456.71 及以下）和 32 位 Python（3.6.x）。

要不要我帮你生成按 “显卡型号 + 系统版本” 分类的 Python 环境一键配置脚本，自动匹配表中 CUDA、TensorRT 等组件，无需手动选择版本？

以下是在 Windows 系统中实现环境变量自动配置的具体方法，结合需求中的 TensorRT、CUDA、CuDNN 等组件，分步骤说明如何将相关路径添加到系统 / 用户环境变量中，并通过代码实现自动化配置：

一、环境变量配置的核心原理

Windows 环境变量分为系统环境变量（对所有用户生效，需管理员权限）和用户环境变量（仅当前用户生效，无需管理员权限）。配置流程包括：

1. 确定需添加的路径（如软件安装目录、二进制文件目录等）；
2. 将路径写入指定环境变量（如PATH、CUDA_PATH等）；
3. 验证环境变量是否生效；
4. 处理配置失败的回滚机制。

二、关键组件的环境变量配置要求

1. TensorRT 环境变量

• 需配置的变量：PATH（添加 TensorRT 的bin目录，用于加载动态链接库）。
• 示例路径（以 RTX 40 系列为例）：J:\VisoMaster-ZH-main\envs\RTX 40\TensorRT-10.14.1.48\bin

2. CUDA 环境变量

• 需配置的变量：
  • CUDA_PATH：指向 CUDA 安装根目录（用于识别 CUDA 主路径）；
  • CUDA_PATH_Vxx.x：指向具体版本的 CUDA 目录（如CUDA_PATH_V12.9）；
  • PATH：添加 CUDA 的bin和libnvvp目录（用于执行 CUDA 工具和调试）。
• 示例路径（以 RTX 40 系列的 CUDA 12.9 为例）：CUDA_PATH = J:\VisoMaster-ZH-main\envs\RTX 40\Ada Lovelace\cuda_12.9.1_576.57PATH 追加：%CUDA_PATH%\bin;%CUDA_PATH%\libnvvp

3. CuDNN 环境变量

• CuDNN 通常安装在 CUDA 目录下（如CUDA_PATH\include、CUDA_PATH\lib\x64），无需单独配置环境变量，但需确保文件正确复制到 CUDA 目录，因此需验证：
  • %CUDA_PATH%\include\cudnn.h（头文件）；
  • %CUDA_PATH%\lib\x64\cudnn.lib（库文件）；
  • %CUDA_PATH%\bin\cudnn64_9.dll（动态链接库，版本号根据实际文件调整）。

三、自动化配置环境变量的具体方法（Python 代码实现）

通过winreg模块操作 Windows 注册表（环境变量存储位置），实现自动添加 / 修改 / 验证环境变量，代码如下：

python

运行

import os
import sys
import winreg
import subprocess
from typing import List, Tuple

# 环境变量在注册表中的路径（系统变量需管理员权限，用户变量无需）
SYSTEM_ENV_REG_PATH = r"SYSTEM\CurrentControlSet\Control\Session Manager\Environment"
USER_ENV_REG_PATH = r"Environment"

def get_registry_key(is_system: bool = False) -> winreg.HKEYType:
    """获取系统/用户环境变量的注册表键"""
    key_path = SYSTEM_ENV_REG_PATH if is_system else USER_ENV_REG_PATH
    access = winreg.KEY_READ | winreg.KEY_WRITE
    if is_system:
        # 系统变量需要管理员权限
        return winreg.OpenKey(winreg.HKEY_LOCAL_MACHINE, key_path, 0, access)
    else:
        return winreg.OpenKey(winreg.HKEY_CURRENT_USER, key_path, 0, access)

def get_environment_variable(name: str, is_system: bool = False) -> str:
    """读取指定环境变量的值"""
    try:
        with get_registry_key(is_system) as key:
            value, _ = winreg.QueryValueEx(key, name)
            return value
    except FileNotFoundError:
        return ""  # 变量不存在

def set_environment_variable(name: str, value: str, is_system: bool = False) -> None:
    """设置环境变量（添加或覆盖）"""
    with get_registry_key(is_system) as key:
        # 对于PATH变量，需拼接现有值（避免覆盖）
        if name == "PATH":
            current_value = get_environment_variable(name, is_system)
            if value not in current_value:
                new_value = f"{current_value};{value}" if current_value else value
                winreg.SetValueEx(key, name, 0, winreg.REG_EXPAND_SZ, new_value)
        else:
            # 非PATH变量直接设置
            winreg.SetValueEx(key, name, 0, winreg.REG_EXPAND_SZ, value)
    # 通知系统环境变量已更新（立即生效）
    subprocess.run(
        'powershell -Command "[Environment]::SetEnvironmentVariable(\'%s\', \'%s\', \'%s\')"' 
        % (name, value, "Machine" if is_system else "User"),
        shell=True,
        check=True
    )

def verify_environment_variable(name: str, expected_path: str) -> bool:
    """验证环境变量中是否包含指定路径"""
    # 检查注册表中的值
    reg_value = get_environment_variable(name)
    if expected_path not in reg_value:
        return False
    # 检查当前进程中的环境变量（确保生效）
    process_value = os.environ.get(name, "")
    return expected_path in process_value

def rollback_environment_variable(name: str, original_value: str, is_system: bool = False) -> None:
    """回滚环境变量到原始值（配置失败时使用）"""
    with get_registry_key(is_system) as key:
        if original_value:
            winreg.SetValueEx(key, name, 0, winreg.REG_EXPAND_SZ, original_value)
        else:
            # 原始值为空，删除变量
            winreg.DeleteValue(key, name)
    # 通知系统更新
    subprocess.run(
        'powershell -Command "[Environment]::SetEnvironmentVariable(\'%s\', \'%s\', \'%s\')"' 
        % (name, original_value, "Machine" if is_system else "User"),
        shell=True,
        check=True
    )

# ------------------------------
# 针对需求的具体配置逻辑
# ------------------------------
def configure_tensorrt_env(is_50_series: bool, is_system: bool = False) -> Tuple[bool, str]:
    """配置TensorRT环境变量"""
    try:
        # 1. 确定TensorRT路径（根据显卡系列）
        if is_50_series:
            trt_root = r"J:\VisoMaster-ZH-main\envs\RTX 50\TensorRT-10.14.1.48"
        else:
            trt_root = r"J:\VisoMaster-ZH-main\envs\RTX 40\TensorRT-10.14.1.48"
        trt_bin_path = os.path.join(trt_root, "bin")
        
        # 2. 备份原始PATH值（用于回滚）
        original_path = get_environment_variable("PATH", is_system)
        
        # 3. 添加TensorRT的bin目录到PATH
        set_environment_variable("PATH", trt_bin_path, is_system)
        
        # 4. 验证配置
        if verify_environment_variable("PATH", trt_bin_path):
            return True, f"TensorRT环境变量配置成功：{trt_bin_path}"
        else:
            # 验证失败，回滚
            rollback_environment_variable("PATH", original_path, is_system)
            return False, "TensorRT环境变量配置失败，已回滚"
    except Exception as e:
        return False, f"TensorRT配置出错：{str(e)}"

def configure_cuda_env(is_50_series: bool, win_version: int, is_system: bool = True) -> Tuple[bool, str]:
    """配置CUDA环境变量（需管理员权限，默认系统变量）"""
    try:
        # 1. 确定CUDA路径（根据显卡系列和Windows版本）
        if is_50_series:
            cuda_root = r"J:\VisoMaster-ZH-main\envs\RTX 50\Blackwell"
            cuda_version = "13.0"
        else:
            cuda_root = r"J:\VisoMaster-ZH-main\envs\RTX 40\Ada Lovelace"
            cuda_version = "12.9"
        
        # 2. 备份原始变量（用于回滚）
        original_cuda_path = get_environment_variable("CUDA_PATH", is_system)
        original_cuda_path_v = get_environment_variable(f"CUDA_PATH_V{cuda_version}", is_system)
        original_path = get_environment_variable("PATH", is_system)
        
        # 3. 设置CUDA核心变量
        set_environment_variable("CUDA_PATH", cuda_root, is_system)
        set_environment_variable(f"CUDA_PATH_V{cuda_version}", cuda_root, is_system)
        
        # 4. 添加CUDA的bin和libnvvp到PATH
        cuda_bin_path = os.path.join(cuda_root, "bin")
        cuda_libnvvp_path = os.path.join(cuda_root, "libnvvp")
        set_environment_variable("PATH", cuda_bin_path, is_system)
        set_environment_variable("PATH", cuda_libnvvp_path, is_system)
        
        # 5. 验证配置
        if (verify_environment_variable("CUDA_PATH", cuda_root) and
            verify_environment_variable(f"CUDA_PATH_V{cuda_version}", cuda_root) and
            verify_environment_variable("PATH", cuda_bin_path)):
            return True, f"CUDA {cuda_version}环境变量配置成功：{cuda_root}"
        else:
            # 回滚
            rollback_environment_variable("CUDA_PATH", original_cuda_path, is_system)
            rollback_environment_variable(f"CUDA_PATH_V{cuda_version}", original_cuda_path_v, is_system)
            rollback_environment_variable("PATH", original_path, is_system)
            return False, "CUDA环境变量配置失败，已回滚"
    except Exception as e:
        return False, f"CUDA配置出错：{str(e)}"

# ------------------------------
# 使用示例
# ------------------------------
if __name__ == "__main__":
    # 假设已通过显卡检测模块确定为50系列，Windows版本为11
    is_50_series = True
    win_version = 11  # 10或11
    
    # 配置TensorRT
    trt_success, trt_msg = configure_tensorrt_env(is_50_series)
    print(trt_msg)
    
    # 配置CUDA（需管理员权限运行脚本）
    if trt_success:
        cuda_success, cuda_msg = configure_cuda_env(is_50_series, win_version)
        print(cuda_msg)

四、配置生效与验证机制

1. 即时生效：通过powershell命令[Environment]::SetEnvironmentVariable通知系统更新环境变量，无需重启系统（但部分程序可能需要重启才能读取新变量）。
2. 验证方法：
   • 代码层面：通过verify_environment_variable函数检查注册表和当前进程的环境变量；
   • 终端验证：配置后在新终端中执行echo %PATH%、nvcc --version（CUDA）、trtexec --version（TensorRT）确认是否能识别。

五、注意事项

1. 管理员权限：配置系统环境变量（如 CUDA）时，脚本需以 “管理员身份运行”，否则会因权限不足失败。
2. 路径格式：Windows 路径需使用\或/，避免中文或特殊字符（若有，需确保系统编码支持）。
3. 回滚机制：每次配置前备份原始环境变量值，失败时调用rollback_environment_variable恢复，避免破坏系统原有配置。
4. 日志记录：在关键步骤（配置、验证、回滚）添加日志输出，保存到本地文件（如env_config.log），便于排查问题。

通过以上方法，可实现软件环境变量的全自动配置，无需用户手动操作，且能确保配置的正确性和可恢复性。

以下是通过 Windows 命令行（CMD）实现环境变量配置的单条命令示例，包含成功 / 失败的判断逻辑，以配置 TensorRT 的PATH环境变量为例：

核心命令（适用于 CMD）

cmd

@echo off
:: 定义要添加的路径（以RTX 50系列TensorRT的bin目录为例）
set "TRT_BIN_PATH=J:\VisoMaster-ZH-main\envs\RTX 50\TensorRT-10.14.1.48\bin"

:: 检查路径是否已在PATH中，避免重复添加
echo %PATH% | findstr /i "%TRT_BIN_PATH%" >nul
if %errorlevel% equ 0 (
    echo 成功：TensorRT路径已在环境变量中，无需重复配置。
) else (
    :: 尝试添加到用户环境变量（无需管理员权限）
    setx PATH "%PATH%;%TRT_BIN_PATH%" >nul
    if %errorlevel% equ 0 (
        echo 成功：TensorRT路径已添加到环境变量。请重启CMD生效。
    ) else (
        echo 失败：环境变量配置出错。可能原因：路径不存在、权限不足（系统变量需管理员）。
        echo 请手动检查路径：%TRT_BIN_PATH%
    )
)

命令说明

1. 成功场景：

   • 若路径已在PATH中：输出成功：TensorRT路径已在环境变量中，无需重复配置。
   • 若路径添加成功：输出成功：TensorRT路径已添加到环境变量。请重启CMD生效。（重启 CMD 后，通过echo %PATH%可验证）

2. 失败场景：

   • 输出失败：环境变量配置出错...，可能原因包括：
     • 路径TRT_BIN_PATH实际不存在（需检查文件夹是否存在）；
     • 配置系统环境变量时未以 “管理员身份” 运行 CMD；
     • 路径包含特殊字符（如空格需用引号包裹，命令中已处理）。

扩展：配置系统环境变量（需管理员 CMD）

若需配置系统级环境变量（对所有用户生效），命令如下（需右键 CMD 选择 “以管理员身份运行”）：

cmd

@echo off
set "TRT_BIN_PATH=J:\VisoMaster-ZH-main\envs\RTX 50\TensorRT-10.14.1.48\bin"

:: 检查系统PATH中是否已存在
reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v PATH | findstr /i "%TRT_BIN_PATH%" >nul
if %errorlevel% equ 0 (
    echo 成功：TensorRT路径已在系统环境变量中。
) else (
    :: 添加到系统PATH（管理员权限）
    for /f "tokens=2*" %%a in ('reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v PATH') do set "OLD_PATH=%%b"
    setx PATH "%OLD_PATH%;%TRT_BIN_PATH%" /M >nul
    if %errorlevel% equ 0 (
        echo 成功：系统环境变量已更新。请重启电脑生效。
    ) else (
        echo 失败：请确认以管理员身份运行CMD，或路径是否正确。
    )
)

验证方法

配置后重启 CMD，执行以下命令验证：

cmd

:: 检查PATH中是否包含目标路径
echo %PATH% | findstr "TensorRT-10.14.1.48"

:: 若为TensorRT，可运行工具验证
trtexec --version  :: 若输出版本信息，说明配置成功