寒假来了，想做个图像识别的demo，先把基本环境配置起来。这是一篇纯文字的、流水账式的记录。
- Step1：把电脑的操作系统换成Ubuntu20.04。这一部比较简单，先去ubuntu的官网下载一个iso的镜像文件，然后用UltraISO制作一个U盘的ubuntu安装盘。
- Step2：重新启动电脑，进入BIOS设置为U盘启动，然后安装Ubuntu系统；可以选择把整个磁盘擦除再安装、也可以选择保留原来的系统安装双系统。因为，我的这个电脑没有作其它用，所以直接格式化硬盘安装的。
- Step3：安装完Ubuntu之后，首先安装官方的显卡驱动。可以直接去nvida官网下载对应的linux的驱动，然后安装。比较简单的办法，就是直接用Ubuntu自带的Additional Drivers选择官方驱动按安装，选择的时候选一个非test的最高版本。
- Step4：安装完显卡驱动后，禁用ubuntu自带的显卡驱动nouveau，然后重新启动。
- Step5：安装Anaconda，去Anaconda的官网安装，当然也可以安装一个miniconda。安装完成后，可以改一下conda的源。
- Step6：创建一个专门用来作图像识别的虚拟环境，使用命令“conda create -n FGIA"。然后使用命令“conda activate FGIA"激活这个虚拟环境。
- Step7：在FGIA下使用conda命令安装Pytorch，在Pytorch的官网（PyTorch）选择合适自己电脑环境和安装方式的pytorch，然后将网站上生成的conda安装命令复制到自己电脑上运行。例如：“conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch”。此处注意：尽量安装新的版本，如果版本安装不对可能回导致后面torch的cuda不能正常使用。
- Step8：验证pytorch是否安装成功。在安装了Pytorch的虚拟环境进入Python，然后输入命令“import torch"不会报错，而且下面这些代码返回正常。
>>> import torch
>>> print(torch.__version__)
1.10.1
>>> print(torch.cuda.is_available())
True
>>> - Step9：安装Pycharm或者直接用anaconda自带的spyder等进行pytorch的开发。
