1 github下载需要该项目源代码
ctrl+t //打开终端
sudo apt install git//安装git
//git clone + github远程仓库地址
git clone https://github.com/amoudgl/pygoturn
嫌弃麻烦的小伙伴直接下载我上传的资料
2 环境配置
2.1虚拟环境
为了方便，首先配置一下虚拟环境：
虚拟环境（virtual environment），顾名思义是虚拟出来的环境，通俗来讲，可以借助虚拟机，docker来理解虚拟环境，就是把一部分内容独立出来，我们把这部分独立出来的东西称作“容器”。在这个容器中，我们可以只安装自己所需的依赖包，而各个容器之间相互隔离，互不影响。
比如说，以个人为例，我需要在实验室工作站上使用3.x版本的python，以及相应版本的一些库，而另一同学需要使用2.x版本的python，以及其它版本的一些库。如果使用同一环境，那么在进行不同实验的时候，就需要对相应的库进行更新卸载安装等操作，将会十分不便。而使用虚拟环境的话，就可以创建两个环境，在各自的环境中配置各自所需的库，这样在进行实验的时候只需要在自己的虚拟环境下进行即可，不会产生冲突。
2,1,1虚拟安装环境
sudo pip install virtualenv #其中virtualenv是一个创建独立python环境的工具。
sudo pip install virtualenvwrapper #virtualenvwrapper 时一个基于virtualenv之上的工具，它将所有的虚拟环境统一管理。
2.1.2虚拟环境配置
whereis virtualenvwrapper.sh
mkdir ~/.virtualenvs #1创建虚拟环境管理目录
sudo vim ~/.bashrc #2设置环境变量 打开.bashrc
在.bashrc的末尾添加如下内容：
export WORKON_HOME=$HOME/.virtualenvs # 所有虚拟环境存储的目录
# virtualenvwrapper.sh所在路径
source /usr/local/bin/virtualenvwrapper.sh
source ~/.bashrc #3启用配置文件
https://blog.csdn.net/dengkuituo0680/article/details/102245665?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.nonecase
VIM参考
2.1.3虚拟环境的使用
（1）创建虚拟环境
mkvirtualenv env_name # env_name为所创建虚拟环境的名字（创建虚拟环境需联网）
（2）创建指定版本的虚拟环境
mkvirtualenv -p /usr/bin/python3.6 env_name # 需找到自己电脑中python的路径
mkvirtualenv -p /usr/bin/python2.7 env_name
（3）运行虚拟环境
workon env_name
（4）显示所有虚拟环境
workon + 两次tab键
（5）退出虚拟环境
deactivate
（6）删除虚拟环境
rmvirtualenv env_name
在安装得过程中，老出现各种错误，可能是我太笨了，所以放弃了 转而安装anaconda去了
2.2Anaconda
Anaconda、conda、pip、virtualenv的区别
① Anaconda
Anaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：conda, numpy, scipy, ipython notebook等。
② conda
conda是包及其依赖项和环境的管理工具。
适用语言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
适用平台：Windows, macOS, Linux
用途：
快速安装、运行和升级包及其依赖项。
在计算机中便捷地创建、保存、加载和切换环境。
如果你需要的包要求不同版本的Python，你无需切换到不同的环境，因为conda同样是一个环境管理器。仅需要几条命令，你可以创建一个完全独立的环境来运行不同的Python版本，同时继续在你常规的环境中使用你常用的Python版本。——conda官方网站
conda为Python项目而创造，但可适用于上述的多种语言。
conda包和环境管理器包含于Anaconda的所有版本当中。
③ pip
pip是用于安装和管理软件包的包管理器。
pip编写语言：Python。
Python中默认安装的版本：
Python 2.7.9及后续版本：默认安装，命令为pip
Python 3.4及后续版本：默认安装，命令为pip3
pip名称的由来：pip采用的是递归缩写进行命名的。其名字被普遍认为来源于2处：
“Pip installs Packages”（“pip安装包”）
“Pip installs Python”（“pip安装Python”）
④ virtualenv
virtualenv：用于创建一个独立的Python环境的工具。
解决问题：
当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？
如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。
如果想要安装程序并在程序运行时对其库或库的版本进行修改，都会导致程序的中断。
在共享主机时，无法在全局site-packages目录中安装包。
virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。
⑤ pip 与 conda 比较
→ 依赖项检查
pip：
不一定会展示所需其他依赖包。
安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。
conda：
列出所需其他依赖包。
安装包时自动安装其依赖项。
可以便捷地在包的不同版本中自由切换。
→ 环境管理
pip：维护多个环境难度较大。
conda：比较方便地在不同环境之间进行切换，环境管理较为简单。
→ 对系统自带Python的影响
pip：在系统自带Python中包的**更新/回退版本/卸载将影响其他程序。
conda：不会影响系统自带Python。
→ 适用语言
pip：仅适用于Python。
conda：适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
⑥ conda与pip、virtualenv的关系
conda结合了pip和virtualenv的功能。
操作：
初学 Python 者自学 Anaconda 的正确姿势是什么？ - 刘志军的回答 - 知乎
https://www.zhihu.com/question/58033789/answer/155593506
GTX1660TI驱动
https://blog.csdn.net/jiangchuanhu/article/details/94381622
2.2anaconda安装
https://blog.csdn.net/u012318074/article/details/77074665 前面
https://blog.csdn.net/qq_15192373/article/details/81091098 后面
创建虚拟环境 并且在虚拟环境里面安装cuda之类的。
https://blog.csdn.net/kaixinjiuxing666/article/details/82594835
To activate this environment, use
$ conda activate GOTURN
To deactivate an active environment, use
$ conda deactivate
2.3cuda安装
cuda得版本和pytroch版本没有关系得
https://blog.csdn.net/wanzhen4330/article/details/81699769
2.4pytroch安装
https://blog.csdn.net/abc13526222160/article/details/86497684
pytroch 安装不一同版本的cuda‘
https://www.cnblogs.com/yhjoker/p/10972795.html
对于conda安装的cuda与官网
conda安装的并不是cuda驱动，里面应该只有api，所以只用这些的话，gpu应该是无法使用的。cuda驱动还是得上nv官网根据文档自己装。正确的顺序是先装好驱动，再用conda update，一般来说可以自动识别出合适的版本，如果版本不匹配，在运行时候还可能发生一些错误。
作者：知乎用户
链接：https://www.zhihu.com/question/344950161/answer/818139888
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
conda可以使用主机里面的CUDA，也可以使用conda虚拟环境里面的cudatoolkit。实际上有下面的两种使用方式:1)在主机上安装CUDA开发包和cuDNN并配置环境变量，然后在conda里面就可以不用安装CUDA和cuDNN。但是这种方式对于tensorflow的兼容性不是很好。因为conda里面的tensorflow版本和官方的tensorflow依赖的CUDA以及cuDNN版本并不完全一致。2)在conda里面使用cudatoolkit来代替CUDA比如安装tf1.12，则用conda安装的命令如下:conda create -n py36 python=3.6conda install tensorflow-gpu=1.12 cudatoolkit这种方式下，每个虚拟环境需要单独安装它所对应的cuda以及cudnn。当然我们在安装过程中不需要指定cudatoolkit的版本，因为conda会解决这种版本依赖问题同时会自动安装好CUDA所对应的cudnn。注意:上述这两种方式都需要主机已经安装好显卡所需要的驱动。
作者：云卷云舒
链接：https://www.zhihu.com/question/392334690/answer/1227937626
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
打开readme。
## Environment
PyTorch 1.0 and Python3 recommended.
numpy==1.14.5
torch==1.0.0
opencv-python==4.0.0.21
torchvision==0.2.1
tensorboardX==1.6
To install all the packages, do `pip3 install -r requirements.txt`.
https://www.cnblogs.com/lliuye/p/10149932.html