目标检测网络基础环境配置

1.查看本机支持的最高CUDA版本：
命令提示符 - cmd - nvidia-smi

2.根据项目需求，下载CUDA：
https://developer.nvidia.com/cuda-toolkit-archive

3.下载与CUDA对应的cuDNN：
https://developer.nvidia.com/rdp/cudnn-archive

4.解压cuDNN，并把解压文件直接复制到CUDA文件夹中。然后开始CUDA的电脑环境变量设置（参考：https://zhuanlan.zhihu.com/p/412394023）

5.创建环境并激活：
conda create –n 名字 python=3.7
activate 名字

6.安装pytorch-gpu，寻找对应CUDA的torch版本：
https://pytorch.org/get-started/previous-versions/
例如：# CUDA 11.0 pip install torch1.7.1+cu110 torchvision0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

7.两种安装requirements.txt文件的方法：
①requirements.txt路径是将文件放在桌面的路径：pip install -r C:\Users\33232\Desktop\requirements.txt 、
②使用pycharm terminal安装：pip install -r requirements.txt

8.更换源：

9.下载TensorFlow-GP（TF版本要与CUDA和cuDNN版本对应：https://tensorflow.google.cn/install/source_windows#gpu）
pip install tensorflow-gpu==2.4.0 -i https://mirrors.alilyun.com/pypi/simple/