概述
上一篇 基于resnet训练flower图像分类模型（p31-p37），在我的mac 上实在 跑不动了。
今天折腾了一天。各种坑基本上踩了一遍，分享给大家希望有人看了能避开我的坑。
我是笔记本老款的MX250系列。就是相当于亮屏的卡，不是1050哪组真正意义的显卡。
这个版本很重要。我开始不知道，随便找了驱动版本，对应是cuda 11.2 的.
结果很尴尬，pytorch 官网上有11.1 ，11.3的，就是没有11.2的。虽然有人用Anaconda 安装了11.2，但是我不喜欢这个，就打算用原生的pip安装。
所以下载了cuda后，有重新卸载了。不然提示有新版本的，老版本的安装失败。卸载我就不贴图了，进控制面板-》程序 选择对应的cuda 卸载。
这个是cuda与驱动的版本对应关系。版本不兼容，太麻烦了。
cuda:
CUDA Toolkit Archive | NVIDIA Developer
2.7G 吧，我前后下载了11.2，11.3,11.4 三个版本，不能随便下。要跟前面的驱动保持一致。
所以采用了11.3
安装会先解压文件到临时目录，这个目录不是安装目录，所以保持默认即可，我没有选择自定义。
（我开始没注意，第二次安装的时候特意选择了：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA）
这是错误的，因为选择这里最后会把cuda给清理掉了。下一步安装cuDNN 回来找不到lib了。自己还纳闷了一会，刚才装成功了，怎么不见了。
确认环境变量。记住自己刚才安装位置，检测下path
可以通过CMD输入nvcc -V测试是否安装成功
失败了可以重试或者Google 找原因。
cudNN
cuDNN Archive | NVIDIA Developer
建议跟cuda版本保持一致。
下载完之后，解压如上，拷贝到安装目录对应文件目录
pytorch
今天主要时间花在下载这个了。
pip3 install torch==1.10.2+cu113 torchvision==0.11.3+cu113 torchaudio===0.10.2+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html
如果你网络好，直接安装也OK。
不好，可以下载对应的whl文件。
https://download.pytorch.org/whl/
torch-1.10.0+cu113-cp38-cp38-win_amd64.whl
torchvision-0.11.1+cu113-cp38-cp38-win_amd64.whl
我是要下载gpu 版本11.3的。因为Python本机新安装了python 3.8.所以是cp38
采用pip install xx.whl 提示 is not a supported wheel on this platform.
我开始下载的python3.8 版本有问题，从32位换成64位重装就好了，记得修改环境变量。
测试：
如果看到true，表示安装成功，能够使用GPU加速啦。尽管这不是正规的显卡。
pycharm
Download PyCharm: Python IDE for Professional Developers by JetBrains
这个我就选了社区版。没有精力折腾破解了。
问题：
我在外面pip 安装的torch 好用，代码在pycharm 提示报错。
这里的interpreter 要选择Python对应安装路径。就有torch包了
不要选择从pycharm里面去install package，我开始没有配置，安装之后，运行程序发现显存没变化。还是靠CPU跑的。
重新跑昨天的程序：
能看到训练结果逐步向好。对比一下我用mac 低配.
一个batch20分钟，20batch 约为400 分钟，这个67分钟。快了6倍吧。可见GPU加速还是明显的。显存可见有使用
折腾了一天环境，踩了好多坑，希望能帮你减少些麻烦。没有好的GPU。估计有个3060显卡的笔记本也是这个套路。如果是Linux系统，那看网上其他大佬的文章吧，没试过。
