寒假在自己的聯想Y430上成功部署過YoloV5+deep sort實現運動目標跟蹤。這台電腦的配置是GTX850M+i5-3420，所以CUDA版本選用的是Pytorch1.10.2自帶的CUDA10.2。驅動選擇470版本，直接成功運行（由於GTX850拉跨的性能，yolov5s模型跑一半就會死機）。
之前考慮過選用CUDA9.0版本，參考鏈接：https://blog.csdn.net/wuzhiwuweisun/article/details/82753403 （博主貼上了很多下好的資源的百度雲鏈接，所以之前直接跟着博主走了）
由於CUDA9.0版本要求GCC版本不能太高，Ubuntu18預裝的GCC版本為7.x，需要給GCC手動降級。降級方法如鏈接所示，通過修改軟連接的方法進行GCC手動降級。但是這里我遇到了一個問題：降級之后無法安裝Nvidia驅動。搜索資料得知，安裝nvidia驅動對gcc版本也有要求。所以如果要按照這個鏈接的方法進行降級適配，建議先安裝好顯卡驅動，然后再不要去對已經跑起來的驅動進行任何的修改了（血淚教訓，若是修改驅動會導致再也回不去了=。=）
問題描述：開年來，實驗室新配置了一台高端主機作為服務器，配置是i7-12700F+RTX3060。導師要求在其上實現一個基於yolo的深度學習視覺識別功能，故按照之前聯想Y430p的經驗進行裝配，卻未曾想遇到了不少問題。
首先，yolo+deep sort項目的git開源地址為：https://github.com/pinery-sls/Pytorch_YOLOv5_Deepsort 直接下載該項目。
該項目作者提供了自己訓練的模型，下載地址https://drive.google.com/drive/folders/1xhG0kRH1EX5B9_Iz8gQJb7UNnn_riXi6 ，下載好之后放入deep sort/deep/checkpoint 文件夾中。
在yolo的github開源網址https://github.com/ultralytics/yolov5 下載好相應的權重文件，放在yolo目錄下的weights中。
然后在安裝好anaconda，cuda之后，pip下載yolo中的requirement.txt文件，發現跟Y430p之上不一樣，運行報錯（提示找不到CUDA Devices）。
然后在網上搜索資料，發現RTX30系列顯卡僅支持CUDA11及以上版本。但是由於我下載的是pytorch1.10.2，按道理講是支持最新的CUDA11.6版本的。所以我在CUDA官網下載了11.6版本並安裝。安裝之后執行該項目，發現還是報同一個錯誤。（寫下這篇博客的時候，該問題已經被解決，所以很遺憾沒能貼出來報錯提示以及debug過程，之后一定要養成配環境邊配邊寫博客的習慣）。
因為懷疑自己的cuda版本安裝有問題，所以按照網上的步驟檢查了cuda版本，發現輸入nvcc -V之后，終端顯示的cuda版本是10.2。然而在/usr/local/中檢查了自己的cuda，發現只有一個cuda11.6，並沒有顯示的CUDA10.2版本。查閱資料發現，pytorch的下載有三種方式，每一種適配的是不同版本的CUDA。如果按照pip下載器的默認下載方式，下載的pytorch1.10.2是適配CUDA10.2版本的，並且這個CUDA類似一個默認安裝的形式（就類似安裝ROS會附送安裝一個簡易版本的Opencv一樣）。所以解決辦法是：pip卸載pytorch，重新安裝適配CUDA11.2版本的pytorch即可解決問題！（甚至不需要進行CUDA11.6到CUDA11.2的降級，在測試中發現已經兼容低版本了）。
以下附上安裝過程：
在Ubuntu18下，首先安裝Anaconda。鏡像網址為 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
如圖，選擇適配自己環境的最新版本的Anaconda版本進行下載。這是深度學習首先要適配的基礎工具（Anaconda可以理解為一個特殊版本的python，專門針對深度學習和神經網絡而推出的）
下載后給sh文件賦予權限，sudo chmod -R 777 XXX.sh（XXX為文件名）
然后執行sudo sh XXX.sh進行Anaconda的安裝。（網上很多anaconda的配置教程，跟着走就行，注意）
安裝好Anaconda之后，進行CUDA和CUDNN的安裝。進入Nvidia官網進行下載：https://developer.nvidia.com/cuda-downloads 網上類似教程眾多。
全部安裝好之后，我們開始手動安裝pytorch。打開pytorch官網：https://pytorch.org/get-started/locally/
可以看到，默認下載的pytorch適配的CUDA就是10.2版本：
這里我們compute Platform項一定要注意選擇CUDA11.3！！！圖中是CUDA10.2，僅為了展示其默認下載的版本選擇。
下載好之后進行安裝。這里按照官網給出的下載指令，我本人是連不上去的（即使科學up網）。所以這里我直接打開網址進行選擇性下載：
https://download.pytorch.org/whl/cu113/torch_stable.html
如圖所示，下載torch和對應版本的torchvision，然后先安裝torch再安裝torchvision（順序錯誤會提示你安裝vision失敗，找不到torch~）
注意這里選擇版本時后面的cpxx中的xx（數字）代表着你的python版本。我的Anaconda對應的python版本是3.7，故我應該選擇torch-1.10.2-cp37版本進行安裝。
安裝好之后，再通過pip下載yolo中的requirement文件。所需環境全部下載完成之后，就可以愉快地跑起來啦~