同样道理，网上的解决方法太杂了，经过不断被坑之后，总结的我自己的方法。

Pytorch安装

查看使用的CUDA的版本

首先最好查看一下电脑上可以使用的CUDA的版本，打开方式是右键点击桌面后选择“NVIDIA控制面板”，如果没有就从控制面板打开

注：新版的系统默认不安装这个控制面板，没有的话可以从Microsoft store中去下载

1561356

打开之后就点击”系统信息”

5516516

点击“组件”，这时候会有您的显卡版本等等一些的信息，其中有您的显卡目前的CUDA的驱动版本，要注意，这里并不是表明您已经安装了CUDATOOKID，仅仅代表，目前支持的最高版本，因此，一定要注意，您在下面通过Pytorch官网选择安装命令的的时候，不能超过此处显示的CUDA版本号。

546165651

配置清华镜像

由于我使用的是anaconda管理Python的环境，接下来我会使用anaconda的命令来进行安装，pip也可以这样进行安装

由于从国外服务器下载太慢，我使用了国内镜像源，所以可以配置一下清华镜像源，打开anaconda命令窗口，执行

1
2
3
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

三行执行后就可以从清华镜像服务器上下载一些库了

在线下载

进入Pytorch官网（https://pytorch.org/），根据自己电脑配置和需求来配置一下

41651651

最后生成的命令就是在命令行中安装命令

离线安装

安装的时候会有一些包总会停止下载，可以直接进入到清华镜像源

找到自己想下载的版本之后，直接去手动下载。下载完成后通过命令行，cd到下载的目录下，执行conda install --offline pytorch-1.3.0-py3.6_cuda9.2.148_cudnn7.6.3_0.tar.bz2，--offline后面部分是名字，一定加上扩展名

离线安装好后，还是需要重新利用conda来在线安装一次，要用它来对相关的包来进行在线匹配(也就是根据安装好的pytorch来匹配那些对应的好多库，不是说再下载一遍pytorch)。

但是一定要注意了！！！

在利用官网代码时conda install pytorch torchvision cudatoolkit=9.2 -c pytorch一定要删掉后面的-c pytorch，因为它代表直接从官网去下载，不会与本地安装好的匹配，还会全部重新下载。

所以改成：conda install pytorch torchvision cudatoolkit=9.2它就会自动匹配之前离线安装好的东西，然后匹配相关的库的等级、版本之类的
不匹配相关库的等级的话，就会出现以下类似错误：libcudart.so.9.2: cannot open shared object file: No such file or directory

测试

接下来就测试一下有没有安装成功

进入Python，输入：

1
2
import torch
torch.cuda.is_available()

如果返回的是True，那就没问题，可以使用GPU加速。

参考来源

https://www.bilibili.com/read/cv7476249

https://blog.csdn.net/qq_41936559/article/details/102699082

Kera安装

我早就想试一下其他框架了，只用Pytorch感觉学到的东西太少，网上很多都是使用Keras，这个框架会更轻便一些。

首先说明，我使用的是Anaconda管理的Python环境，我真的很喜欢用这个管理，挺方便的，不用管版本隔离的问题。

电脑配置上我不用去管，因为我这是新电脑（才用一年，应该算吧），使用Keras是完全没问题的。

Keras比较特殊 ，分为前端和后端，简单来讲前端是Keras本体，提供了很多方法，但并不提供张量计算，所以需要使用其他的的库来张量计算，这里我就是使用了tensorflow来作为后端，毕竟好用。

这里注意下版本的问题，首先python使用3.5、3.6或3.7，我就使用的是3.6，我对这个版本感情挺深的。其次是tensorflow和Keras对应关系，我给个表，简单看一下吧：

Tensorflow版本 Keras版本
2.1、2.0、1.15 2.3.1
1.14 2.2.5
1.13、1.12、1.11 2.2.4
1.10、1.9 2.2.0
1.8、1.7、1.5 2.1.6
1.4 2.0.8
1.3、1.2、1.1、1.0 2.0.6
0.12 1.2.2

打开控制台，用Anaconda去安装tensorflow的GPU版本：

1
conda install tensorflow-gpu==2.0.0

最好提前使用上清华镜像源，不到500兆的东西，从官网下载直接哭死。

接下来下载主体了，使用pip安装就可以了：

1
pip install Keras==2.3.1

这样基本没问题了，可以测试一下：

1
import keras

这样会出现了应该出现的提示：

1
2
Using TensorFlow backend.
2021-03-26 09:45:28.932014: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll

这就说明已经可以用了。