[学习笔记]pytorch初体验（ubuntu18.04，Geforce RTX 3050Ti 环境配置）
好难好难，澡盆终于算是入门了pytorch
今天这篇博客主要说明环境配置部分。
1、NVIDIA驱动的安装
这个该死的驱动，整灭了我无数个ubuntu
不过不幸中的万幸就是其他的环境不算很难配置。
在ubuntu中找到软件与更新，并且找到Additional Drivers，在里面找到适合的驱动，注意不要用tested，那个不稳定。
至于怎么确定驱动版本，可以在NVIDIA官网上查询，也可以通过这条指令获取ubuntu-drivers devices
通过这个办法安装，我也就没有再禁用nouveau了，不知道为什么。
等待Apply完成后，在终端输入nvidia-smi，如果输出一个表格，那么，驱动我们就安装好了。
update：经过淘宝大神的帮助，我彻底解决了装不上驱动的问题。
装不上的原因很简单，当前的ubuntu系统linux内核版本过低，导致兼容性太差从而装不上驱动。
首先我怀疑是我的镜像文件版本不行，所以找学长要了一份镜像，但是结果是一样的。
然后重装了许多次系统后，终于决定还是-30￥找了淘宝。
淘宝商家做的也很简单，就是更新kernel（内核）
然后就按照上述步骤，就能打上驱动和cuda+cudnn了
2、Anaconda的安装
我们先放着这该死的NVIDIA不动，进行anaconda的安装
anaconda是一个python包的管理器可以方便地管理python包（光速吟唱）
咳咳
关于anaconda的功能不再赘述，直接进入主题
首先需要下载Anaconda的安装包，直接在官网里下载就行
这边点击页面中的Download下面的Get Additional installers，其实它会自己适配系统，但是还是仔细一些
然后选择Linux 64bits
下载之后运行，就是bash 刚刚下载的文件名。
之后一路回车yes
安装完Anaconda之后，需要一些小小的配置。一是换源，打开根目录中的.condarc，这是个隐藏文件，需要按ctrl+l取消隐藏。
之后把channel中的内容替换，我这里换的是清华源
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
之后把倒数第二行的default删掉，不然换的源不会生效
之后保存即可
到这里，Anaconda算是安装成功了，打开终端应该会在最开始出现(bash)字样，不用担心，这是Anaconda中的基础环境被激活了，也说明了安装成功。
3、cuda安装
好，现在回到该死的NVIDIA，安装cuda
从上文的nvidia-smi中可以看到，我的显卡最高支持11,7版本的cuda，但是本着这种东西不能装太新的原则，我先来到了pytorch官网。
最终，我选择了有相应pytorch版本适配的cuda11.0进行安装。
这个只要在官网（https://developer.nvidia.com/cuda-toolkit-archive）下载相应的文件（2GB左右，挺大的呢）
官网会丢给你两条指令，依次执行
wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run//cuda下载 sudo sh cuda_11.0.2_450.51.05_linux.run//cuda安装
注意，这里我们安装过驱动了，把驱动给取消喽（因为安装过了，文件都删了，就从别处扒了一张图片）
等待完成后还需要添加以下环境变量
cd ~
sudo gedit .bashrc
打开文档后末尾加入以下信息：
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64 export CUDA_HOME=/usr/local/cuda/bin export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME
之后输入nvcc -V，有输出就算成功
4、cudnn的安装
cudnn是cuda的一个扩展工具包（再次光速吟唱）
进入链接https%3A//developer.nvidia.com/cudnn，看自己cuda的对应版本，我选择的是....我也不记得了，反正是11.x就对了
然后，解压，执行以下命令
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64 sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
（其实就是把文件复制到相应目录，与windows一样）
然后就算万事了
5、pytorch的安装
终于来到了我们的主角
先在anaconda中创建一个虚拟环境叫做pytorch，并且激活虚拟环境
之后执行以下命令
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0
这里是删减过官方文档中最后的-c后的内容，目的是为了让计算机从我们之前设定的源下载文件
（经过漫长的焦躁的无数次失败的等待之后...）
之后，在终端内输入python，并且import torch，如果没有报错，那就是成功了
接下来，验证cuda
（这里是验证gpu设备，只有一个所以输出0，也验证了安装成功）
后续：
在vscode中下载python官方插件，就能够调用conda环境，就可以开(愁)开(眉)心(苦)心(脸)地写代码辣！
