Python3.8环境安装Keras时CUDA版本识别异常求助

我来帮你梳理清楚核心问题和解决步骤——你的GTX970显卡是关键限制因素，先搞明白这点就能解决大部分冲突了：

1. 先搞懂为什么会报错 #

你的GTX970属于Maxwell架构，Compute Capability是5.2，而NVIDIA从CUDA 11.0开始就停止支持Compute Capability 5.x的显卡了。你之前安装CUDA 11.0的操作，导致conda环境里残留了对__cuda==11.0的依赖要求，哪怕你卸载了CUDA 11.0，这些依赖引用还留在环境里，所以才会一直报不兼容的错误。

2. 彻底清理CUDA 11.0的所有残留 #

先把系统里和CUDA 11.0相关的痕迹清干净：

• 打开「控制面板」→「程序和功能」，卸载所有带「CUDA 11.0」字样的程序（包括CUDA Toolkit、补丁、cuDNN相关组件，如果有的话）
• 检查系统环境变量：右键「此电脑」→「属性」→「高级系统设置」→「环境变量」，删除CUDA_PATH_V11_0这类变量，同时把Path里指向CUDA 11.0的路径条目删掉
• 手动删除磁盘上的CUDA 11.0安装目录（默认是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0）

3. 确认CUDA 10.1环境的完整性 #

你的显卡最高支持到CUDA 10.2，你已经装了适配的CUDA 10.1，现在要确保它配置正确：

• 检查环境变量：确保CUDA_PATH指向C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，且Path里包含%CUDA_PATH%\bin和%CUDA_PATH%\libnvvp
• 安装对应版本的cuDNN：下载cuDNN 7.6.5（专门适配CUDA 10.1），解压后把bin、include、lib文件夹里的文件，分别复制到CUDA 10.1的对应目录下
• 验证CUDA是否正常：打开命令提示符，输入nvcc --version，应该显示CUDA 10.1的版本信息

4. 创建干净的Anaconda虚拟环境 #

原有环境已经被CUDA 11.0的依赖污染了，最好新建一个专门的环境来装Keras：

# 创建Python 3.7的环境（Keras 2.x对Python 3.7兼容性更好，适配CUDA 10.1）
conda create -n keras_env python=3.7
# 激活这个环境
conda activate keras_env

5. 安装适配的TensorFlow（自带Keras） #

现在Keras已经集成在TensorFlow里了，安装适配CUDA 10.1的TensorFlow-GPU版本就行：

# 安装TensorFlow-GPU 2.3.0，conda会自动处理所有依赖匹配
conda install tensorflow-gpu=2.3.0
# 验证GPU是否能被识别
python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"

如果输出True，说明GPU配置成功，之后直接用from tensorflow import keras就能调用Keras了。

6. 在PyCharm中配置这个虚拟环境 #

打开PyCharm后：

• 点击「File」→「Settings」→「Project: 你的项目名」→「Python Interpreter」
• 点击右上角的齿轮图标，选择「Add」→「Conda Environment」→「Existing environment」
• 找到Anaconda安装目录下的envs\keras_env\python.exe，选中后点击「OK」，就可以在PyCharm里用这个配置好的环境了

额外提醒 #

千万不要再尝试安装CUDA 11.0及以上版本，你的显卡根本不支持，只会导致更多依赖冲突。如果之后还有问题，可以把conda安装时的完整报错日志贴出来，方便进一步排查。

内容的提问来源于stack exchange，提问作者ItsEveNow