前言：
一、准备环境
1、下载anaconda
2、下载CUDA
3、安装GPU 版本的 Torch
4.安装GPU版本的TensorFlow
第一次跑机器学习的程序，作为一个门外汉拿着代码就直接用CPU跑，三千多张图片的训练集提取特征向量用了两个多小时（还是减少了循环次数的……）后来看了看大佬们的做法，发现这个程序是使用GPU跑的，拿CPU跑简直就是对电脑的折磨！（人也折磨），目前有两种用GPU跑程序的方法。
一是在云端GPU服务器上执行程序（费钱）
二是使用本机显卡中的GPU执行程序（费电脑）
第一种还没试过，好像一小时要五角到二块不等，第二种比较容易，但步骤繁琐，所以在此做个记录。 1.下载anaconda
2、下载CUDA，我最终选择了11.1版本的cuda
2.1.查看一下自己电脑的 NVIDIA显卡需要什么版本的CUDA
nvidia-smi
从左到右红框的五项指标依次表示：
①显卡温度
②性能状态，从P0到P12，P0表示最大性能，P12表示最小性能
③当前功率
④系统占用显存数量和显存总大小
⑤显存核心利用率
找不到的话参考这篇文章：https:///96462.html
2.2 通过下面的指令可以确认是否装有CUDA：nvcc -V
3、安装GPU 版本的 Torch，在官网选择合适的版本
https://pytorch.org/get-started/locally/#start-locally
4.测试
输入python，进入编译环境
输入测试程序：import torch
print(torch.cuda.is_available())
查看GPU利用率，或是在cmd中输入查看GPU使用情况nvidia-smi
4.安装GPU版本的TensorFlow，参考文章：https://blog.csdn.net/qq_45342639/article/details/129494067?spm=1001.2014.3001.5502
在官网查看需安装的tensorflow版本（https://tensorflow.google.cn/install/source_windows?hl=en）
在官网下载复制相应版本下载信息https:///project/tensorflow-gpu/2.4.0/#files
跳转到官网下载的TensorFlow文件的目录下，最后，使用“pip install tensorflow_gpu-2.5.0-cp39-cp39-win_amd64.whl”进行安装即可