从0开始配置深度学习环境（Pytorch）

1.配置深度学习环境的一般步骤

配置环境的一般步骤我在这里总结如下，朋友们有不同看法欢迎指出。

1. 安装Pycharm编译器、Anaconda虚拟环境管理软件
2. 根据显卡型号，更新至较新版本的驱动，同时查看显卡的算力并对应其支持的CUDA版本

在这里简单介绍一下Pytorch(CUDA)版本选择的问题
A.定义nvidia-smi显示的CUDA版本为CUDA Driver Version，定义Pytorch(CUDA)版本为CUDA Runtime Version
B.Pytorch(CUDA)版本的确定：CUDA Runtime Version≤CUDA Driver Version，且要与显卡硬件的算力匹配

3. 根据待跑程序的需求，安装依赖库，一些小的依赖库无脑conda install/pip install即可，但是Pytorch的版本要根据步骤2中确定的显卡支持的CUDA版本以及程序中要求的版本合理确定，同时注意GPU/CPU版本
4. 在pycharm中选择该虚拟环境，开始跑程序吧！

2.以显卡为起点说Pytorch版本问题

在上一部分中，提到了Pytorch版本的问题，在这里以一些常见的显卡的Pytorch版本选择，假设驱动均为最高版本。
其他未列出的显卡可以在此链接进行查询

显卡型号	算力	可用的CUDA Runtime	Pytorch版本
GTX 1080Ti; GTX 1080;GTX 1070;GTX 1060Ti;GTX 1060;GTX 1050Ti;GTX 1050等	6.1	CUDA8.0以上
RTX 2080Ti; RTX 2080;RTX 2070;RTX 2060;GTX 1060Ti;GTX 1060;GTX 1050等	7.5	CUDA10.0以上
RTX3090; RTX3080; RTX3070; RTX3060Ti; RTX3060等	8.0	CUDA11.0以上	1.7.0以上

• 对应的Pytorch版本可以在该网址上搜索相应的CUDA Runtime，选择对应版本。
• 在我们跑开源算法的时候，并不是显卡越高级越好，例如3090显卡，适应项目最好。只支持CUDA11.0以上的CUDA Runtime，对应最低的Pytorch版本是1.7.0，当开源算法要求更低版本时，就无法满足了。

3.一些有用的网址

1.Jack Cui的跑AI算法教程：
https://www.bilibili.com/video/BV14R4y1g7qs?spm_id_from=333.999.0.0&vd_source=7c06a8770b76528bb19fc818ed0ce1e2
2. Jack Cui的环境配置教程：
https://cuijiahua.com/blog/2019/11/dl-14.html
3.土堆配置环境教程
https://www.bilibili.com/video/BV1S5411X7FY?spm_id_from=333.999.0.0&vd_source=7c06a8770b76528bb19fc818ed0ce1e2
4.驱动版本与CUDA对应表
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html