记录第一次跑深度学习

因为需要将点云图优化，于是在github上找到深度学习包，直接跑。

GitHub - antao97/UnsupervisedPointCloudReconstruction: Experiments on unsupervised point cloud reconstruction.

以上是我要跑的深度学习。

面临的问题就是项目需要的版本太低，例如pytorch1.12，cuda10.0，而我的显卡RTX4060

（注意我的整个过程都是在Ubuntu中）

那么有以下考虑：

1.根据我的显卡选择cuda版本，试试能不能跑包成功，实际上大概率都是不行的，毕竟项目当初的版本都太低了。但实践此想法的过程学习到了很多，适合给一般配置深度学习环境的人参考。

首先寻找对应关系

深度学习环境配置---显卡驱动、pytorch、cuda和cudnn之间的配置关系_pytorch和cuda的关系_心之所向521的博客-CSDN博客

参考以上文章的对应关系即可，需要注意显卡驱动的确定还要根据显卡，不仅仅只是根据cuda版本。我一开始的安装过程就是跟大部分深度学习环境配置 一样

（1）下载nividia驱动，有多种方法，个人推荐在软件与更新处下载

（2)下载对应的cuda版本

（3)下载anaconda，在里面创建对应python版本的虚拟环境，然后在环境内下载相应版本的pytorch等。

(注意，不要在base下搞事情，很容易搞崩，去到虚拟环境内下载）

好不容易配置完了，但根本跑不出来，心累

于是偶然间看到一篇文章

还在系统中安装CUDA？Anaconda虚拟环境中安装CUDA配合Tensorflow-gpu-多版本 - 简书 (jianshu.com)

想到将项目需要的cuda等安装在虚拟环境中 

安装Nvidia驱动并使用Anaconda搭建GPU环境（安装CUDA）+ PyTorch + TensorFlow + PyTorch Lightning_conda nvidia_想要赚钱啊的博客-CSDN博客

又根据以上博客，开始重新创建虚拟环境，安装低版本的cuda

（待更，目前虚拟环境中安装cuda 10.0没成功，说找不到channel，待我解决再回来)