自行编译的FastDeploy，部署NVIDIA Gpu PPOCR时只有cuda11.2版本能运行，但仍然有报错

环境

• 【编译命令】：自行编译的FastDeploy，编译方式使用vs2019(x64 Native Tools Command Prompt for VS 2019)
  GPU版
  cmake .. -G "Visual Studio 16 2019" -A x64 -DENABLE_PADDLE_BACKEND=ON
  -DENABLE_VISION=ON
  -DENABLE_TEXT=ON
  -DWITH_GPU=ON
  -DCUDA_DIRECTORY="D:\cuda"
  -DCMAKE_INSTALL_PREFIX="D:\Paddle\compiled_fastdeploy_cuda11.2"
  msbuild fastdeploy.sln /m /p:Configuration=Release /p:Platform=x64
  msbuild INSTALL.vcxproj /m /p:Configuration=Release /p:Platform=x64
  CPU版
  cmake .. -G "Visual Studio 16 2019" -A x64 -DENABLE_OPENVINO_BACKEND=ON
  -DENABLE_VISION=ON
  -DENABLE_TEXT=ON
  -DCMAKE_INSTALL_PREFIX="D:\Paddle\compiled_fastdeploy_cpu"
  msbuild fastdeploy.sln /m /p:Configuration=Release /p:Platform=x64
  msbuild INSTALL.vcxproj /m /p:Configuration=Release /p:Platform=x64
• 【系统平台】：Windows10 x64 Intel(R) Xeon(R) Silver 4110 CPU
• 【硬件】：Nvidia GPU RTX 2070， CUDA 11.2.0， CUDNN 8.2.0 ，最高cuda版本支持12.2
• 【编译语言】： C++

推理

• 【推理代码】
  https://github.com/PaddlePaddle/FastDeploy/blob/develop/examples/vision/ocr/PP-OCR/cpu-gpu/cpp/infer.cc
  推理模型使用的是ch_PP-OCRv3系列
• 【CPU版推理】：
  单张图片推理结果没有问题，使用opencvVINO推理框架，输入尺寸640*480，循环跑速度200ms左右
• 【GPU版推理】：
  单张图片推理结果没有问题，但是有个CUDA释放错误(乱码是cmd编码问题，不影响CUDA报错)，使用飞浆推理框架，输入尺寸640*480，循环跑速度140ms左右
  
• 【尝试解决】
  用的是官方的代码，代码肯定没有问题，尝试其他cuda版本(cuda11.5.2，cudnn8.3.3)(cuda11.6.0,cudnn8.4.0),在运行demo时都出现另一个错误，程序跑不起来，忘了截图
  Could not load library cudnn_cnn_infer64_8.dll.
  我把cudnn_cnn_infer64_8.dll放到当前目录了不行，下载了zlibwapi.dll放在exe当前目录和配置环境变量不行，保持cuda版本不动使用了几个其他版本的cudnn_cnn_infer64_8.dll不行

问题

• 【问题请教】
  三个问题请教大佬，折腾好几天没有解决
  1.(cuda11.2.0,cudnn8.2.0)的报错CUDA error(4), driver shutting down有什么思路吗
  2.(cuda11.5.2，cudnn8.3.3)(cuda11.6.0,cudnn8.4.0)的报错Could not load library cudnn_cnn_infer64_8.dll.有什么思路吗
  3.GPU版demo发送到另外一台机子跑，速度变成了500ms，他的显卡是1070，是显卡的原因吗

Start with examples/vision/ocr/PP-OCR/cpu-gpu/cpp/infer.cc and reproduce the reported Windows GPU runs using the listed CUDA and cuDNN combinations. Check the CUDA error, missing cudnn_cnn_infer64_8.dll failure, and performance difference on the RTX 2070 and GTX 1070; done means identifying the cause or documenting the supported configuration and required runtime libraries.