天池CV赛事pytorch环境安装经验总结

如何查看自己的CUDA版本号：直接在命令行输入 nvcc -V

由于目前tensorflow/pytorch依赖的CUDA版本都在10.0以上，那么当前电脑现有的CUDA版本号能够升级呢？
CUDA版本号与显卡驱动版本号应该是有对应关系的，那么如何查看系统显卡驱动版本号呢？
利用nvidia-smi可以查看NVIDIA 显卡信息。
在命令行直接输入：nvidia-smi
(The NVIDIA System Management Interface (nvidia-smi) is a command line utility)
可以得到如下结果：

可以看到系统显卡驱动版本号为441.22，对应的CUDA版本号为10.2

这里利用nvidia-smi得到的CUDA版本号和利用nvcc -V得到的CUDA版本号不一致，很奇怪！
这个地方网上有很多解释，但是感觉都没有说的很清楚。
个人的理解是，CUDA有两个版本，一个是driver version，跟GPU驱动绑定在一起的，另一个是runtime version，这个是利用cuda toolkit独立安装的。利用nvidia-smi得到的CUDA版本使CUDA driver version，而利用nvcc -V得到的CUDA版本使runtime version。一般程序运行的时候调用的应该是runtime version。至于driver version有什么用还不是很清楚，可能是跟GPU驱动相关的应用。因此，两种CUDA版本不一致就很正常了，因为不是一个东西，而在使用的时候GPU驱动版本和CUDA runtime version是有限定关系的，具体的关系可以查看其它资料，这里要说明的是 GPU驱动版本对应的CUDA driver version不小于CUDA runtime version，否则可能会报错。

CUDA的安装，可以参考以下链接：
https://www.cnblogs.com/arxive/p/11198420.html
由于官网下载速度太慢了，国内可以直接利用百度网盘下载相关的资源，当前版本的百度网盘链接：
https://download.csdn.net/download/qq_43209936/12898024?utm_source=bbsseo
该链接内同时提供了cuDNN，可以解压后直接复制到CUDA安装目录的对应文件夹下即可。cuDNN是基于CUDA的深度神经网络GPU加速库。
GPU、CUDA、cuDNN的理解及其关系可以参考这个链接：
https://blog.csdn.net/xinyuski/article/details/84666809

pip更新库：pip install --upgrade name
conda更新库：conda update name
conda更新所有：conda update --all
conda创建环境：conda create -n my_py_env python=3.6.2

更新包的过程中竟然出现了这样的问题：
conda挂了，相关的命令输出都是[y/N]，网上查了一下说是要重装anaconda，要哭了。。。
安装完conda后创建虚拟环境；然后通过设置.condarc文件配置conda镜像源，默认情况下.condarc文件是不存在的，这时需要在命令行运行conda config来生成.condarc文件。
然后讲以下内容粘贴到.condarc中，此处参考清华镜像官方网站推荐内容，不过直接粘贴原始内容依然无法改变下载时的镜像源，这里稍微做了修改。

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
show_channel_urls: true

这样利用conda下载数据包时便可以直接从镜像源下载，如下所示：

安装PyTorch的过程中又出现了问题，貌似当前的PyTorch仅支持CUDA11.0，而我电脑上安装的是CUDA11.1，因此产生了不兼容问题，需要把CUDA11.1卸载了。。。

安装PyTorch，可以参考官网：
conda install pytorch -c pytorch

在 Windows 下安装 COCO API（pycocotools）可以参考以下博客：
https://blog.csdn.net/u013066730/article/details/98030507