Lumos97的博客

部分内容参考文章，感谢这位博主在已经正确安装pytorch的情况下，pip install torch-scatter, torch-sparse 仍然遇到问题， ERROR: Command errored out with exit status 1；UserWarning: Error checking compiler version for cl: [WinError 2] 系统找不到指定的文件；ERROR: Failed building wheel for torch-scatter等

问题截图：tensorflow 版本1.2.1原因：numpy版本过高 (版本1.19.5)方法：降低numpy版本到1.16.0pip uninstall numpypip install numpy==1.16

需要安装的部分：CUDA toolkit 驱动以及cuDNN （官网下载）安装cudatoolkit、pytorch包 （Anaconda Prompt中输入命令安装）感谢博主 1 1=3！，他的文章在安装驱动方面提供了直观易懂的参考！步骤1. 检查电脑GPU是否支持CUDA打开“设备管理器 - 显示适配器” 查看型号，一定要是NVIDIA，然后在官网上查找CUDA是否支持相关型号，如果支持即可进行下一步。官方查询网址2. 安装 cuda toolkit 驱动1）首先，确定显卡驱动版本

Keras 是一个用Python编写的高级神经网络API，以TensorFlow, CNTK, 或者Theano作为后端运行。所以在安装Keras之前，需要安装以上后端引擎之一。在这里我选择的是Tensorflow。然后我发现tensorflow有使用cpu和gpu的区别，主要在与两者所面对的场景不同。CPU由于要处理不同的数据类型，使得CPU的内部结构复杂。而GPU更适合运行易于并行的程序和处理大规模数据。在处理大数据集的情况下，cpu的时间会明显增加，gpu的处理速度会更快。参考文章此外，在查询安装