https://github.com/6o6o/chainer-fast-neuralstyle
需要安装chainer环境，在安装完成之后，跑代码可以选择用GPU跑，即在命令的最后使用 -g 0（显卡为0）。
但是发现了报错：
CUDA enviroment is not correactly set up.
排查原因是因为没有安装好cupy-cuda的版本，安装的是简单的cupy,可以用下面的命令看自己的chainer安装完成之后，是否能够支持GPU的跑动:
python
import chainer
chainer.cuda.available
如图所示，输出是false,说明目前确实是不支持GPU版本；是因为我的Chainer虽然安装了，但是没有安装CUPY的GPU版本。
先查看自己的CUDA版本
python
import torch
print(torch,cuda.version)
输出10.0.130,需要找到相关的cupy-cuda的版本：
https://docs.cupy.dev/en/latest/install.html
安装对应的cupy-cuda
pip install cupy-cuda100
如果速度太慢，可以使用国内的镜像源，这里使用了豆瓣镜像源：
pip install cupy-cuda100 -i https://pypi.douban.com/simple
安装完毕，运行程序的命令，进行模型训练，发现还是存在一个报错，
版本不兼容，我这里安装的cupy-cuda100==8.6.0,提示要版本在7.7到8.0之间，所以进行重新安装：
pip install cupy-cuda100==7.7.0 -i https://pypi.douban.com/simple
这样安装后就是可以运行的cupy-cuda了，注意，cupy和cupy-cuda只能有1个存在，所以在安装完毕之后，可以检查一下，自己当前的环境之中有没有多余的：
pip freeze | grep cupy
在做图片迁移的实验时候，https://github.com/6o6o/chainer-fast-neuralstyle需要安装chainer环境，在安装完成之后，跑代码可以选择用GPU跑，即在命令的最后使用 -g 0（显卡为0）。但是发现了报错：CUDA enviroment is not correactly set up.排查原因是因为没有安装好cupy-cuda的版本，安装的是简单的cupy,可以用下面的命令看自己的chainer安装完成之后，是否能够支持GPU的跑动:pytho
conda安装cudatoolkit、cupy和chainer
目录conda安装cudatoolkit、cupy和chainer1. 安装方式2. 问题和解决办法2.1 问题：cupy安装失败2.2 解决办法参考资料
1. 安装方式
chainer是一个深度学习框架，如果想使用GPU进行加速计算，必须在装chainer之前装cupy。为了方便，推荐使用conda安装cupy。
加入你已经装好了conda，cuda和它对应的驱动（nvidia-smi查看GPU版本和驱动）也安装好了。那么我们开始吧！
标题名字是很奇怪，没关系，重点看内容。
正常安装CupPy需要较为复杂的cuda环境配置，可以参考文章——UDA环境配置。
如果你觉得去官网安装CUDA Toolkit太麻烦，那我们可以利用pyotch的cudatookit来保证Cupy的正常运行。
CuPy官网
官网给出了详细的安装操作，但是需要手动安装CUDA Toolkit，如果你没有实践过，这也许会比较难。
官网给出了相应版本对应的安装命令：
我电脑是11.1，所以这里执行下面命令即可
pip install cupy-cuda
Cupy_cuda90是一个Python库，可以在NVIDIA GPU上加速计算，特别是在使用深度学习框架时。它是基于Numpy的记录数组计算库，提供GPU加速的计算功能。Cupy_cuda90使用C++和CUDA C编写，可以在CUDA架构上直接运行代码，从而加速计算。它支持多种CUDA架构，包括Tesla、Kepler、Maxwell、Pascal和Volta。Cupy_cuda90兼容CPU和GPU之间的数据传输，可以在CPU和GPU之间快速切换数据。Cupy_cuda90还包括了许多优化技术，包括延迟膨胀、异步计算、指令合并等，以提高计算速度和效率。总之，Cupy_cuda90是一个非常有用的Python库，可以使用户轻松加速计算和深度学习框架。
