pytorch、opencv、dlib的安装的多种方式~值得尝试

1 安装Pytorch

安装pyTorch，首先需要考虑本机是否有GPU，如果有的话，需要安装CUDA；然后在官网选择相应的方式在命令行进行下载。【下载过程中注意版本】

1.1 GPU版本

1.1.1 查看自己的电脑是否有NVIDIA GPU

如果笔记本中显卡是集显Intel iris或者AMD的显卡，请转至1.2下载CPU版本。（原因很简单，就是，深度学习的cuda加速器是英伟达NVIDIA公司的，其他公司没有）

1.1.2 然后查看本机的GPU版本。

在桌面任意空白处右击，可以看到NAVIDIA 控制面板，点击进去，点击右上角帮助，管理信息，查看细节中的驱动程序版本。如下图所示，我的版本号是451.91。

1.1.3 前往NAVIDIA官网查看需要下载的cuda版本

在CUDA Driver查看上一点的版本号所对应的cuda版本号，如下图所示。

1.1.4 下载cuda

然后去下载相应版本的cuda，在cuda Toolkit archive找到自己对应的版本，点击进去。

然后选择相应的系统，进行下载。

1.1.5 下载cuDNN

网址。下载cuDNN会比较麻烦，NAVIDIA会要求登录，账号注册完还是不容易下载。在此借鉴yinghai444同学的方法，完美下载。此处是cuDNN各版本的网址，界面如下图所示，按照cuda版本选择自己需要的版本。

我的版本对应的zip文件链接在此。然而，还是需要注册会员。我们可以直接将这个链接用xunlei下载（第一次使用这个软件下载，没有评论说的那么限速，真香）
下载完的文件是这个样子的：

1.1.6 安装cuda

之前参考的博文，说是cuda像是一般的软件一样，傻瓜式安装就可。然而，我出现了种种问题。这一部分的操作参考自：win10下CUDA和CUDNN的安装（超详细）！亲测有效！

首先，双击上图的.exe文件，出现以下界面：

这是临时文件（我的版本解压后占5.22G内存），所以暂时存放在C盘待安装完成也会自动删除，然而习惯放D盘，在D盘新建一个空文件夹，将上面路径换到该文件夹下。OK，等待安装。

然后选择自定义安装（一开始我选择精简安装，然后有个包安装失败导致全部失败，而那个包还是用不到的）按照别人的常用推荐，选择了四项。

然后修改安装位置，其中CUDA Documentation和CUDA Development文件位置一致，加上Samples的路径即可，默认路径如下，最好更改到非系统盘。我的更改，前两项安装到D:\ProgramFiles\NVIDIA\GPU Computing Toolkit，Samples安装到D:\ProgramFiles\NVIDIA\CUDA Samples中。

然后，将之前下载的cuDNN解压，将其中的bin和lib文件夹放入CUDA的文件夹中，然后修改环境变量。下图中CUDA_PATH和CUDA_PATH_V_0是安装完成系统自动写入的路径，其余路径按如下格式写入即可。

然后在path中新增几个路径：

1.1.7 cuda安装成功–测试

配置完环境变量就完成了，现在试一下是否成功。

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和de