博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结 今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框
一、使用的硬件：nx板子、原装充电器、有线鼠标(USB)、有线键盘(USB)、有线摄像头(USB)、7寸触摸显示屏、20寸大显示屏（显示屏有一个就可以，大屏幕更加方便）、SD卡(128G,用64g也可以)、读卡器、笔记本电脑(Win-11)、WIFI网络环境二、软件：SDFormatter(v4)、Win32DiskImager(2.0)、VNC-Viewer(6.22)、Winscp三、文件：nx镜像文件、pycharm(linux版本，可在笔记本上下载好安装包)有需要整套软件和镜像文件可以留言，看到会回复发送分享！四、常用指令、 //执行目录转换cd文件夹名//返回上一级cd.. //返回
一、使用的硬件：nx板子、原装充电器、有线鼠标(USB)、有线键盘(USB)、有线摄像头(USB)、7寸触摸显示屏、20寸大显示屏（显示屏有一个就可以，大屏幕更加方便）、SD卡(128G,用64g也可以)、读卡器、笔记本电脑(Win-11)、WIFI网络环境二、软件：SDFormatter(v4)、Win32DiskImager(2.0)、VNC-Viewer(6.22)、Winscp三、文件：nx镜像文件、pycharm(linux版本，可在笔记本上下载好安装包)有需要整套软件和镜像文件可以留言，看到会回复发送分享！四、常用指令、 //执行目录转换cd文件夹名//返回上一级cd.. //返回
文章目录Redux工具包的使用ReduxToolkit介绍ReduxToolkit基本使用Redux工具包的使用ReduxToolkit介绍ReduxToolkit是官方推荐的编写Redux逻辑的方法。在前面我们学习Redux的时候应该已经发现，redux的编写逻辑过于的繁琐和麻烦。并且代码通常分拆在多个文件中(虽然也可以放到一个文件管理，但是代码量过多，不利于管理);ReduxToolkit包旨在成为编写Redux逻辑的标准方式，从而解决上面提到的问题;在很多地方为了称呼方便，也将之称为“RTK”;安装ReduxToolkit:npminstall@reduxjs/toolkitreact-
文章目录Redux工具包的使用ReduxToolkit介绍ReduxToolkit基本使用Redux工具包的使用ReduxToolkit介绍ReduxToolkit是官方推荐的编写Redux逻辑的方法。在前面我们学习Redux的时候应该已经发现，redux的编写逻辑过于的繁琐和麻烦。并且代码通常分拆在多个文件中(虽然也可以放到一个文件管理，但是代码量过多，不利于管理);ReduxToolkit包旨在成为编写Redux逻辑的标准方式，从而解决上面提到的问题;在很多地方为了称呼方便，也将之称为“RTK”;安装ReduxToolkit:npminstall@reduxjs/toolkitreact-
深度学习框架MxNet配置（GPU版本）1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/找到与自己电脑Python版本对应（命令行使用python--v查看对应版本）的版本下载2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl，在命令行输入pipinstall+右键，剩下的文件名部分自动粘贴，回车。3.出错，先排除pip版本需要更新问题，命令行输入python-mpipinstall--upgradepip不
深度学习框架MxNet配置（GPU版本）1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/找到与自己电脑Python版本对应（命令行使用python--v查看对应版本）的版本下载2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl，在命令行输入pipinstall+右键，剩下的文件名部分自动粘贴，回车。3.出错，先排除pip版本需要更新问题，命令行输入python-mpipinstall--upgradepip不
确定安装版本在安装之前呢，我们需要确定三件事第一：查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包第二：查看对应CUDA对应的VS版本，以便下载并安装对应的VS版本（vs需要先安装）第三：确定CUDA版本对应的cuDNN版本，这个其实不用太关注，因为在cudnn的下载页面会列出每个版本对应的cuda版本，11.x以上对应的范围很宽确定显卡支持的CUDA版本在显卡驱动被正确安装的前提下，在命令行里输入nvidia-smi.exe，效果如图所示可以看到显示CUDAVersion为11.6，说明该显卡最高支持到11.6，我这里就选择11.6的版本，你也可以选择更低的版本比如11.5,1
确定安装版本在安装之前呢，我们需要确定三件事第一：查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包第二：查看对应CUDA对应的VS版本，以便下载并安装对应的VS版本（vs需要先安装）第三：确定CUDA版本对应的cuDNN版本，这个其实不用太关注，因为在cudnn的下载页面会列出每个版本对应的cuda版本，11.x以上对应的范围很宽确定显卡支持的CUDA版本在显卡驱动被正确安装的前提下，在命令行里输入nvidia-smi.exe，效果如图所示可以看到显示CUDAVersion为11.6，说明该显卡最高支持到11.6，我这里就选择11.6的版本，你也可以选择更低的版本比如11.5,1
由于PyTorch官网没有提供除适配CUDA10.3和11.3之外的安装方式，因此可以使用NightlyBinaries方式下载与自己CUDA版本合适的PyTorch以CUDA11.6为例，在终端中输入以下指令：1.下载PyTorchpipinstalltorch--pre--extra-index-urlhttps://download.pytorch.org/whl/nightly/cu1162.下载Torchvisionpipinstalltorchvision--pre--extra-index-urlhttps://download.pytorch.org/whl/nightly/c
