最近借了个服务器玩玩，基于linux16.04的服务器，但是服务器只安装了tensorflow，但我程序使用pytorch写的，要将程序重新写成tensorflow有点麻烦，于是我就准备在服务器上安装pytorch ，然后发现，有一个最省时的办法就是先直接安装torchvision,然后他就可以自动安装最新的pytorch了，版本是1.3.0
pip3 install torchvision但当我安装好了之后，在调用的时候，发现pytorch中torch.cuda.is_available()返回的是False，这就表示CUDA不可用，没办法调用GPU跑程序，下面找找原因：
import torch torch.cuda.is_available()如果你的机器还没有安装cuda，那么就可以在pytorch中输入： 这里的意思是，适合当前pytorch的CUDA版本是CUDA10.1 。然后直接安装对应的cuda版本就行了，安装的步骤网上有很多，这里就不写了。
如果你的机器安装了cuda，但你不知道是什么版本（比如我发现tensorflow是安装了GPU版的，所以一定有cuda），比如我就是这个情况，cuda是师兄们安装的，那么可以这样查询：
cat /usr/local/cuda/version.txt可以看到cuda对应的版本是9.0，cudnn对应的版本是7.3.1,接下来就是对于指定的CUDA版本，如何安装对应的pytorch.
我上面测试没有成功，最后检查发现是因为pytorch的版本太高了，不支持我安装的cuda版本。 pytorch1.3.0应该是只支持cuda10.1， 具体可以在官网进行查询https://pytorch.org/get-started/locally/ 但我的cuda只有9.0 。其实如果条件允许的话，可以升级一下cuda，但是我因为实验室主机没有权限，所以只能重新安装一下。经过上面的网址查询，发现cuda 9.0对应的pytorch版本为1.01，torchvision版本为0.2.0，所以执行：
pip3 install torch==1.0.1 pip3 install torchvision==0.2.0如果主机下载太慢的话，可以自己去官网或者这个网站下载cuda90对应的torch版本https://download.pytorch.org/whl/cu90/torch_stable.html，主机型号查询输入
cat /etc/issue uname -a这两个命令就可以查清了。 若你是选择自行下载，那就需要移动文件到主机任意目录下，再进入文件所在目录，然后输入：
pip3 install torch-1.xxxxx.....xxxxxxx.whl #（安装包的名字） pip3 install torchvision-0.2.0-xxxxx-xxxx-xx.whl就可以了。 最后，在Python环境中测试一下就可以了：
