最近刚开始学习深度学习，参考了一篇深度学习的入门文章，原文链接：https://medium.freecodecamp.org/everything-you-need-to-know-to-master-convolutional-neural-networks-ef98ca3c7655。
文章内容就是kaggle上的一个competition，识别图像中是否存在航拍仙人掌，使用了Pytorch框架，原文代码有些许错误，经改正后代码如下：
1 import numpy as np 2 import pandas as pd 3 from pathlib import Path 4 from fastai import * 5 from fastai.vision import * 6 import torch 7 get_ipython().run_line_magic('matplotlib', 'inline') 8 9 train_df=pd.read_csv("train.csv") #读取csv文件到train_df 10 data_folder=Path(".") #path为默认位置 11 train_images=ImageList.from_df(train_df,path=data_folder,folder='train')#记住读取方法 12 print(torch.cuda.is_available()) 13 a=torch.ones(1,1) 14 print(a.cuda()) 15 16 trfm=get_transforms(do_flip=True,flip_vert=True,max_rotate=10.0,max_zoom=1.1,max_lighting=0.2,max_warp=.2,p_affine=0.75,p_lighting=0.75) 17 #train_img = train_img.transform(transformations, size=128)#错误句子，直接删除 18 19 test_df=pd.read_csv("sample_submission.csv") 20 test_img=ImageList.from_df(test_df,path=data_folder,folder='test') 21 train_img = (train_images 22 .split_by_rand_pct(0.01)#把训练数据分出一小部分做验证集 23 .label_from_df() 24 .add_test(test_img) 25 .transform(trfm, size=128) 26 .databunch(path='.', bs=14, device= torch.device('cuda:0'))#进行批处理，bs由显存决定，太大跑不了。太小跑得慢 27 .normalize(imagenet_stats)#图像归一化 28 ) 29 30 learn = cnn_learner(train_img, models.densenet161, metrics=[error_rate, accuracy])#用 cnn_leaner 创建一个训练器 31 #用移动网络开热点下载快，用联通的网就下载的很慢 32 33 #单周期策略，暴力搜索（大了：训练过程快，容易错过误差边界，甚至会跳出可控范围，无法收敛；小了：训练慢） 34 learn.lr_find() 35 learn.recorder.plot() 36 37 lr = 3e-02 38 learn.fit_one_cycle(5, slice(lr)) 39 40 preds,_ = learn.get_preds(ds_type=DatasetType.Test) 41 test_df.has_cactus = preds.numpy()[:, 0] 42 43 test_df.to_csv('submission.csv', index=False)
以上就是全部的代码，运行环境为win10 64位操作系统，Python3.7，Pytorch1.1.0，CUDA10.1.120，NVDIA驱动程序431.36。
开始时使用CUDA运行遇到困难，测试print(torch.cuda.is_available()) 总是显示false，经过一番折腾，找到了解决办法，如下：
1、Pytorch在国内通过pip安装会有问题，最好通过在PyTorch官网（https://pytorch.org/）下载后，然后本地安装whl文件（再次提醒，一定要本地安装，这样才能保证安装的Pytorch是完整包含CUDA的）：
①官网图片，直接浏览器中打开如下https网站，可能会慢一些；或者将网站拷贝到迅雷中下载，这样可能会快一点。
另外一定要注意安装Python3.7的64位，并且win10/win7也要是64位，因为Pytorch仅支持64位！
②本地文件系统图片和通过命令行（管理员模式）安装图片，cmd中两个whl文件都要安装，我这里只演示一个，如果之前装过Pytorch但是没法调用CUDA，就先卸载（一定要用管理员模式的命令行）再安装，卸载指令为 pip uninstall torch 和 pip uninstall torchvision：
2、NVDIA官网（https://developer.nvidia.com/cuda-downloads）下载CUDA，首先应确认自己的电脑是否有NVDIA显卡，并确定是否支持CUDA，直接一路下一步安装即可，这里就不放图片了。
3、jupyter notebook中运行上述代码，若 print(torch.cuda.is_available()) 为True则证明CUDA调用成功，另外注意 bs 数值要根据自己的显存大小来设置。
note：笔记本一般都是双显卡（一个位集成显卡，一个为NVDIA独立显卡），做桌面模式win10可以自动切换使用独立显卡调用CUDA，并不用特意设置NVDIA控制面板，之前走过很多弯路，以为笔记本上没法用CUDA加速，后来发现就是版本或者安装的问题。
通过这样一番设置，应该就可以调用CUDA了，关键点有几个：64位，离线安装whl，NVDIA显卡。
下面就尽情享受CUDA的快感吧，cpu运行上述代码需要几个小时，用CUDA加速后几十分钟就完成了。