YOLO -GPU版（用于自我总结，不涉及教程）

深度学习环境搭建（GPU版本）

用于目标检测
相关软件已经安装，不再赘述。
主要用于记录对于环境搭建的新理解。
此文纯属总结给自己看的，不涉及教程~

① CUDA和CUDnn的安装

都是官网找的链接，下载CUDnn时需要登陆，转而下载了迅雷开了会员，然后右键CUDnn官网链接，到迅雷中下载完成。
【学到了一点增加效率的小tips~】
CUDA的下载是真的崎岖，建议多找点教程，现在回想起来我都不知道我是怎么顺利装上的额…
安装完成之后到命令行测试一下

nvcc -V

输出CUDA版本信息

② 虚拟环境（env）创建

总结一下，得到的环境创建方式主要有三种：

Ⅰ命令行输入命令（感觉最方便）

conda creat -n YOLO python=3.8

这里创建的名字为YOLO，python版本为3.8，这都是根据需要可以自己改的。感觉这里有必要了解一些conda的简单实用的语法！

Ⅱ Anaconda软件图形界面创建env

这里不想截图了，很简单很傻瓜操作。

Ⅲ Pycharm中创建

打开pycharm软件，创建新项目也可以创建新环境。
这里讲一下几个选择的意思

Location

指的是，创建的新环境的位置，通常都是在安装的anaconda3下面的env目录底下，新建一个环境。（其实就是给建个文件夹…）

Python version

指的环境里所用的python版本，所以python不需要特意去下载，这里会给你装上。

Conda executable

指的是你所用的conda的安装地址，详细的可以点开图片仔细看一下。

这也是这段时间学到的一个学习方式。准确描述问题，查找资料，切忌走马观花的看教程，不然真的会从正确答案的全世界路过…

以上三种方式都可以创建你想要的虚拟环境，也都会配备上基本的包，有其他的包就根据需要再到命令行或者pycharm里安装就好。

③ PyTorch包的安装

这里真的很无语，换源下载总是报错，尝试了好多教程都没用，最后死马当活马医，没换源直接复制了官网所有的命令，就没再管，回去睡觉了，第二天done了，全部装上了…
贴上官网的代码，具体的要去官网看看自己的电脑配置，适配一下

conda install pytorch torchvision torchaudio pythorch -cuda=11.6 

④ Pycharm选择解释器测试一下

最后到pycharm里新建一个项目，环境和解释器选我们pytorch包安装的那个。输一下测试代码，看看我们的cuda能不能用。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

好像中间报错说是没有torch这个模块，好像是到命令行pip了一下，记不清了。

总结一下，遇到问题

Don’t panic~

仔细观察一下自己的问题（通常都是英文嘛），准确描述一下，然后去网上看看其他人的经验，（一定要仔细筛选，大胆尝试），最后解决问题，重点是不要着急，着急容易错过正确答案…

下一阶段
熟悉pycharm软件的使用
复现YOLO-GPU版的代码
YOLO原理深入理解
水下图像识别文献的阅读
尝试针对水下图像识别精度做出原理上的改进
最后尝试实现改进代码
论文撰述