10系的显卡换成30系显卡后，之前配好的深度学习环境出现了兼容问题，索性重装系统，从零开始配环境，过程中也出现了各种对新显卡不兼容的情况，以下的配置是本人摸索最终成功的版本，特此记录一下。
首先就是安装ubuntu18.04，这个不是本文的重点，大家可以自行百度更加详细的教程，这里提一下，ubuntu18.04安装好之后自带NVIDIA的显卡驱动，这样可以省去安装驱动的过程。
我这里使用的是ubuntu18.04自带的460的驱动，注意，重装系统后默认使用的是Nouveau的图形驱动，选中对应的英伟达驱动，点击应用更改，此时需要重启一下电脑，英伟达显卡驱动才会生效。
接下来是安装cuda11.0，cuda下载可到此处。
之后选择对应的版本，在终端输入官方给的指令进行下载
$wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run
下载完之后输入如下指令进行安装
$sudo sh cuda_11.0.3_450.51.06_linux.run
好久没装cuda了，安装过程中不用一路确认，只要最初的时候输入accept之后就会自动完成安装，安装完成后需要修改环境变量：
$sudo gedit ~/.bashrc
将下列的路径复制
export PATH=/usr/local/cuda-11.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH
保存后退出，让环境生效
$source ~/.bashrc
此时可以通过终端输入$nvcc -V查看cuda是否安装成功
接下来是cudnn8.0.5，cudnn下载可到此处选择对应的版本
此处需要注册英伟达账号才能正常下载
根据自己的系统下载对应的cudnn，注意，这里对应的有三个文件需要下载，**ubuntu18.04[deb]的文件都是要下的，下载完成后分别安装三个文件
$sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.0_amd64.deb
$sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.0_amd64.deb
$sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.0_amd64.deb
注意安装是有顺序的，按照上面的顺序即可
安装完之后可以进入/usr/local/cuda/extras/demo_suite路径下打开终端输入如下两条指令
$sudo ./bandwidthTest
$sudo ./deviceQuery
验证cuda环境是否安装成功
下载anaconda
下载完后终端输入
$sh Anaconda**.sh
注意不要用sudo指令，不然之后的很多地方需要权限，如果不小心使用了，可以用
$sudo chrom -n usrname filename的方式解开，此时隐藏文件夹中有一个.conda的文件夹也要通过这个指令解开权限
安装过程都输入yes即可，安装完成后重新打开终端，创建虚拟环境
$conda create -n detetron python=3.8
通过$conda activate detetron激活虚拟环境
到pytorch官网上找到对应的torch版本
我这里安装的是1.7.0的版本，之前试过1.8和1.9的版本都会出现兼容问题，运行detectron2的检测demo没问题，但是训练模型就报错。
到这里基本的环境就已经搭建完成，之后就是detectron2的安装，可以到git上下载最新的版本，这里建议直接使用预编译的进行安装
在虚拟环境中输入$python -m pip install detectron2==0.5 -f \
https://dl.fbaipublicfiles.com/detectron2/wheels/cu110/torch1.7/index.html
会自动安装各种包，这样就可以不用手动安装，安装了预编译的detectron2后还需要下载一份源码，才能够运行demo或者训练builtin模型
自此ubuntu18.04+RTX3080Ti配置detectron2环境安装到此结束，过程中遇到了各种各样的坑，具体的都没有记录，大部分是兼容问题，后续遇到会继续更新。
放两张用detetron2训练coco数据集的图
