模型部署-环境搭建

国内传统四巨头，均开源自家的 深度学习推理部署框架，也都基本做到各种主流模型【TensorFlow、pyTorch 】等模型转换、优化加速、部署端支持

📔 基础信息 🟧 查看系统信息 🟨 查看当前 Cuda 版本 🟦 查看当前 Cudnn 版本 📕 开始搭建 pytorch=0.4.0 环境 🔴 第一步 Conda 创建环境 torch04 🔵

查看服务器显卡使用情况 首先查看哪些GPU空闲，nvidia-smi显示当前GPU状态、在 train.py 最上方，设定使用的GPU 编号， 当这两行代码注释掉时，训练会自动使用该服务器的所有资

NVIDIA TensorRT 下载方式 进入下载链接 点击 立即下载（需要注册登录英伟达账号，xx 烦） 选择下载版本 完成问卷调查 选择同意协议 根据自己的系统版本和 CUDA 版本，选择安装

windows下pycharm配置Linux服务器的 conda环境 windows本地项目和服务器项目 文件 同步 ，本地修改后，小小操作，服务器文件 即可 同步 深度学习

👋 1024，干货来袭 ❤️ YOLO 实战，你只看这一篇、半只脚已经入门 💙 人生苦短、欢迎和墨理一起学AI 🥇 本文由【墨理学AI】原创、各位大佬、初来报道、多多照顾

安装cuda11.2的原因 当前的Cuda在Linux服务器安装界面和之前Cuda10版本是存在较大差异，值得再次记录; 被运营感动到，说要给我发个茶缸儿