前言
想要复现代码，安装好环境是第一步，以下记录我安装时遇到的问题和解决办法，以便之后复习，若有错误欢迎指正。
安装pytorch和cuda
这两个的版本一定要对应，可以在这个网站查看配置 https://pytorch.org/get-started/previous-versions/
对于安装torchvision，可以先安装完pytorch和cuda之后再用以下代码安装：
conda install torchvision -c pytorch
anaconda会自动根据pytorch的版本帮你选择对应的torchvision，这很方便。
scikit-learn的问题
如果直接安装scikit-learn，不考虑版本问题，点一下安装，一时爽，然后异常就在后面等着你。
'ModuleNotFoundError: No module named ‘sklearn.utils.linear_assignment_’
这是因为scikit-learn的版本问题，在新版中，linear_assignment被弃用，官方将scipy.optimize.linear_sum_assignment代替了sklearn.utils.linear_assignment_。
解决办法： 官方在0.23版本弃用linear_assignment，我直接选择降低版本，下载低版本的scikit-learn。
用pycharm的python解释器界面更换scikit-learn版本。
双击scikit-learn项目栏，进入以下界面，选择要安装的版本后，点安装软件包。
验证安装的是否成功
进入anaconda控制台，先激活自己的虚拟环境（activate+环境名），输入 python，之后输入 import torch，如果没有报错，意味着 pytorch 已经顺利安装了，接下来输入 torch.cuda.is_available()，如果是 True，意味着可以使用 GPU训练，如果是 False，意味着只能使用CPU，以此来检验cuda和pytorch安装是否成功。
运行代码出现‘RuntimeError: CuDNN error: CUDNN_STATUS_SUCCESS’
一般可能是cuda和CuDNN版本问题，显卡可以用的最低cuda版本和你的cuda要对上号，用‘nvidia-smi’可以查看当前支持的CUDA最高版本（注意：用‘nvcc -V’才能看你当前系统默认使用的cuda版本）。
这是nvcc -V指令：
这是nvidia-smi指令：
ps:我之前在3080上装的cuda 9.0，在读数据的时候异常慢，但换成2080后，读取速度就正常了。所以要注意你的显卡可以支持的最低cuda版本。