【MSRN超分辨率】网络训练的诸多事项

注意：本文的环境配置相关的一些内容只适用于ubuntu系统，如果你是windows系统进行训练的话，请完全无视这部分内容，然后参考本文的其他内容。
建议使用miniconda，环境占用体积小。
以下正文：

一、关于pytorch与cuda与cudnn与torchvision与显卡适配问题

本文没有采用pytorch0.4.1版本的环境，因为这个环境只能支持最高到cuda9.2的cuda版本，而这样的版本显然在很多最近的显卡之中（20系以上，A系列等等）不支持，所以建议读者也升级到pytorch1.1.0，具体的代码修改部分，请参考下面的俩连接：https://blog.csdn.net/sinat_31987445/article/details/91399956
https://blog.csdn.net/sinat_31987445/article/details/94736301
注意！A系列显卡以及30系以上显卡（算力在8.0以上的，具体请查看此连接来查看算力：https://zhuanlan.zhihu.com/p/579183464）不支持cuda11以上，而本网络的需要使用的_DataLoaderIter在pytorch1.1.0之后便被删除，且其中的方法没有在替代的函数（如果你有能力，可以尝试将旧版本的_DataLoaderIter复制到新版本之中，这个不保证能够运行，因为我没有尝试成功。），所以，请不要多花冤枉钱租赁这些显卡的服务器来跑了。
2080ti以及2080只支持cuda10以上的版本。在2080俩显卡之中，有可能会出现报错：THCudaCheck FAIL file=/pytorch/aten/src/THC/THCGeneral.cpp line=385 error=11 : invalid argument
诸如此类，建议是重装一边环境。（可以不用参考上面引用的文章那样，一定要使用pip安装）
安装完成之后，请使用如下代码验证pytorch需要的cuda和cudnn版本（注意，cudatoolkit的版本就是cuda版本）：

import torch
import torchvision
print(torch.__version__)             #查看torch版本
print(torch.cuda.is_available() ) # 检查cuda是否可用
print(torch.version.cuda)          # 查看cuda版本
print(torch.backends.cudnn.is_available())  # 检查cudnn是否可用
print(torch.back