RoadMap

目前主流技术方案是pytorch 离线训练，转到tensorrt做线上推理。

转换模型属于工程和体力活，保证每层结构和输出一致就可以了。

路还是要从PyTorch训练模型走起。

拦路虎

装显卡相关的应用有三座大山

nvidia-drivercudapytorch第一座山: nvidia-driver打开ubuntu-driver, 记得禁用nouveau选择recommend版本安装，记得安装对应版本的tools如果因为一些奇怪的软件包的配置需求，需要装别的版本，往recommend低了装如果装完不幸黑屏了，开机进命令行模式，把nvidia-driver卸载掉，再重新安装一遍ubuntu-desktopnvidia-smi命令检查，如果能看到显卡信息，安装成功第二座山: cudacuda和nvidia-driver具有对应关系，具体可以在nvidia查询。cuda可以装很多个版本；一般建立/usr/local/cuda这个软链接决定使用哪个版本；也可以在PATH里指定对应的cuda路径，避免不同应用的冲突cuda和所有复杂的库一样有runtime和dev版本，写代码装dev，只要运行装runtime第三座山: pytorchpython提供了许多虚拟环境安装工具，可以有anaconda或者conda安装，避免不同用户不同版本冲突也可以直接pip安装安装前记得替换国内的pypi镜像，这些大的包经常下载失败如果import时候出现libc_cuda, gomp等C的库的载入错误，查一下/usr/local/lib, /usr/lib下是不是有同名的库，大概率是载入了这些路径的库，可以通过加链接库路径解决pytorch对应的库路径加到LD_LIBRARY_PATH这个环境变量里；Docker解千愁

除了驱动必须装在自己机器上，其他的环境都有现成的docker

pull一下，简单快捷

学习氛围

李沐大佬的 《dive into deep learning》足够入门了，有pytorch版本；

安装jupyter-notebook，沉浸式体验更佳；