目标跟踪环境配置（一）深度学习环境配置Ubuntu18.04 + RTX2080ti + CUDA10.2 +Python3.7

一、 准备工作

1、检查当前系统环境

显卡版本

1、nvidia-smi 查看显卡信息 ，GPU，参数解释

2、Ubuntu 18.04 显卡驱动，删除后重新安装

3、ubuntu 命令行模式和图形界面互相切换（出现循环登录，删除显卡驱动前后使用）

Conda

1、conda创建、查看、删除虚拟环境

CUDA 是否已安装 + CUDNN 状态 + Python + pytorch 环境

1、Ubuntu 查看Cuda Cudnn 版本，是否安装，安装状态

2、Pytorch CUDA Cudnn python nvidiam 对应关系

3、

参考方法大全

深度学习环境配置

二、 失败经历 以及是如何解决的

出现的报错有：
RuntimeError: Cannot initialize CUDA without ATen_cuda library.
解决 模块找不到 ModuleNotFoundError
Pytorch安装过程中遇到的失败
pytorch gpu不可用 原因核查2

1、安装Cuda 之后遇到了显卡驱动失效的问题：
显卡驱动删除后重装

2、安装pytorch 的三种方式：

1） 非正常的科学冲浪模式 ： 上网成功后，安装依然报错
2）切换清华源方式：执行命令后，安装成功后，发现安装成了cpu版本，而且无法使用
3）pip下轮子离线安装方式：下载轮子的网速太慢了，但使用第一种方法上网之后，下载速度会提高。

下载轮子的网址，这个链接最全，但速度比较慢，需要特殊途径上网
实在下载不了的，可以评论，我这里有部分，可以上传

torch-1.5.0-cp37-cp37m-linux_x86_64.whl
torchvision-0.6.0-cp37-cp37m-linux_x86_64.whl

总结，使用第三个方式安装最靠谱，但务必进入conda 虚拟环境安装。

---

CVPR2020 论文已经在官网上线了！大会5天后正式开始
http://openaccess.thecvf.com/CVPR2020.py

转自微信公众号： “ 目标检测与跟踪基础前沿 “

**

” 目标跟踪基础与智能前沿 “

**

点击上方链接，扫码关注，回复“CVPR”，即可获得下载链接