简单记录一下安装RoIAlign for Pytorch的过程

1.windows上总是无法编译出_corp.xxxx那个文件，实在没有办法了，去linux上编译，正好也有GPU ，cuda可以用。

2.linux上倒是编译上述文件挺方便，但是项目要求torch==0.4.1。

3.在安装torch0.4.1的过程中，发现总是报出cuda环境与torch编译版本不匹配的问题。

4.于是发现0.4.1版本的pytorch最高支持到cuda9，也就是说我无论怎么安装，pytorch的cuda编译版本总是9.0（torch.version.cuda).但是服务器上的cuda版本是10.1.

5.只好考虑在自己的目录下重新安装一个cuda9

6.因为服务器是公用的，我的账号没有root权限，因此只能在非root的环境下进行安装。

7.非root的环境下会有很多报错出现。其中，cuda9的Ubuntu支持版本最高到17.04

8.发现服务器上Ubuntu的版本是18.04，在师兄的建议下我决定尝试强行安装cuda9。

9.cuda9不支持Ubuntu18.04是有理由的，18.04的gcc版本已经7.0.0+了，但是cuda9最高支持到gcc 6 .

10.于是在非root权限下决定尝试安装gcc-5.3.0。

11.在make -j32 && make install 过程中出现编译错误。实在心累（因为即使解决了这个错误我还需要更改一系列的Path来使用gcc-5.3.0.后续工作实在繁琐）

12.突然想到可以试一试cpu版本的pytorch，毕竟能跑出来就行了。

13.尝试使用 conda install pytorch==0.4.1 -cpuonly 命令（好像这么写的）安装cpu版本的torch。接着使用pip安装对应版本的torchvision（我使用的是0.2.1版本）。因为conda在装torchvision经常Retry，而且不好装上。

14.发现报错pillow_version，按照网上提示安装了低版本的pillow（pip install pillow==6.2.2，好像是低于7就可以）

15.后续pip了datautil，升级了scikit-image(–upgrade)，终于可以跑测试用例了。

总结就是：村里的孩子没见过GPU，总想薅服务器的GPU羊毛，导致浪费了好几天时间debug，有时候还是老老实实使用cpu吧，毕竟linux平台已经比windows配环境好用多了…