之前在自己的机器上用pip磕磕绊绊配置过一次，今天在云服务器上相当于复习了一下。 总结一下需要注意的点： 1.anaconda与要使用的python的版本要互相对应。 2.pycharm要装上python的解释器，在project interpreter中可以找到。 3.这次用的anaconda真的香，比如sklearn就不用自己安装，上一次用pip安装时候有各种依赖的血泪史我至今还记得。 4.安装keras之前要安装tensorflow，并且版本要互相兼容。 5.我出现了命令行import cv2成功，但是pycharm中import cv2报错的现象。 我在anaconda中安装openc

包括4点： 1、安装Anaconda 2、安装CUDA 3、安装PyTorch 4、安装PyCharm 本次由于选择的PyTorch是1.4版本，支持的是CUDA10.1，所以CUDA安装的版本是10.1。 一、安装Anaconda 1、win10 Anaconda官网 https://www.anaconda.com/distribution/ 如下图，选择 根据自己的电脑位数进行选择，下载后安装即可。注意一点 需要勾选这两个选项。 确认安装成功：打开CMD，输入 conda list 如果出现内容，则代表安装成功。 2、Ubuntu 也打开官网，点击相应版本进行下载，下载后安装即可。

解压之后直接激活使用，不需要自己配置深度学习环境【超便捷】

深度学习环境搭建pytorch+CUDA+python3.8

资源已经上传到百度云盘，有需要的同学可以自行下载。

此压缩包记载了wsl2如何配置深度学习环境配置，即如何安装cuda，cudnn，anaconda，环境换源以及pytorch如何安装等问题。教程简单清楚明白，适合各位小白入门使用。

包括cudnn64_7.dll cudnn64_8.dll cublas64_10.dll cudart64_100.dll cufft64_10.dll curand64_10.dll cusolver64_10.dll cusparse64_10.dll

通常在服务器或者工作站更换显卡后，会出现显卡驱动不匹配，深度学习环境参数不匹配等问题，本文主要介绍如何解决这一系列问题。

GNU readline 库用于向需要提供命令行界面的不同程序提供一个一致的用户界面。

windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN 步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示AssertionError: Torch not compiled with CUDA enabled。说明需要安装CUDA，或者安装的pytorch版本是不带CUDA的版本，需要按照以下步骤操作。 步骤一：安装CUDA 步骤二：安装cuDDN 步骤三：测试运行代码 附：电脑不支持CUDA或者不想用gpu加速深度学习的 1. 安装CUDA 这就是