最近看到一个开源的单图转立体视图的项目，准备试试
公司没有带nvidia显卡的电脑，先租了个云主机，可以跑，效果还不错，准备去买台带显卡的电脑。 i7 + 3060ti。
安装好的驱动及各版本如下：
Ubuntu：18.04.5
cuda：11.1
cudnn：8.0.5.39
pytorch：1.7.0
cuda之类的可以从nvidia仓库下载，用工具速度很快。
https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64/
下载后按照官网的提示安装就行。
最后用命令nvidia-smi确认驱动是否安装好，nvcc --version确认是否安装好cuda。
pytorch安装：
正式版本还不支持cuda11，需要下载torch指定版本
pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 -f https://download.pytorch.org/whl/torch_stable.html
速度很慢也可以通过工具下载安装包，然后pip命令安装。
https://download.pytorch.org/whl/cu110/torch-1.7.0+cu110-cp38-cp38-linux_x86_64.whl
https://download.pytorch.org/whl/cu110/torchvision-0.8.1+cu110-cp38-cp38-linux_x86_64.whl
验证安装是否成功：
1 import torch
2 import torchvision
3 print(torch.cuda.is_available())
上面的命令只是检测CUDA是否安装正确并能被pytorch检测到，并没有说明是否能正常使用，要想看Pytorch能不能调用cuda加速，还需要简单的测试一下：
a = torch.Tensor(4,3)
a=a.cuda()
print(a)
运行成功！
安装tensorflow，
pip install tf-nightly-gpu
但是测试通不过：
import tensorflow as tf
print('GPU',tf.test.is_gpu_available())
Could not load dynamic library 'libcusolver.so.10'; dlerror: libcusolver.so.10: cannot open shared object file: No such file or directory
先使用find 命令找到相关库位置，找到了libcusolver.so.11，确实没有libcusolver.so.10。
创建软连接 libcusolver.so.10 -> libcusolver.so.11， 执行ldconfig， 测试还是不行。
看到一个帖子，https://zhuanlan.zhihu.com/p/279401802 上说
解压后进入cuda/lib64路径下，把里面所有文件拷入对应虚拟环境（exp38）的lib中。
将所有的libcu开头的so全部拷到anaconda3/lib, 包括那个软连接libcusolver.so.10 -> libcusolver.so.11。
测试通过。
