目录

一、背景

二、软硬件

三、避坑

坑1：网速

坑2：操作系统选择

坑3：GPU与CPU

坑4：显卡驱动选择

坑5：Pytorch安装

四、安装过程

1. Anaconda

2. Cuda

3. CuDNN

4. Pytorch

5. Fastai v1

7. Date

8. Test

五、结论

参考

一、背景

    长久以来我们接受的都是传统的自下为上的学习模式，也就是从基础知识到高级概念再到实践的教育。而在fast.ai的课程里，Jeremy Howard 提倡的是自上而下的学习方法，也就是回归到人最自的学习方法。

    在课程中，Jeremy 就是贯彻着这样的教学理念，从一开始就让大家先别管具体的原理，按照他所教的方法把机器学习的模型实现出来，让大家以最快的速度感受到这项技术的力量以及降低对它的恐惧感。

    如果你也在学习深度学习，也刚刚接触fastai项目，正在为环境而挠头，那么本文便有意义了。官网乱糟糟的引用与说明，着实为入门者配置环境留下了很多的坑，下面我将一一道来。

二、软硬件

    本文搭建fastai v1环境，采用Win10操作系统、MX250 GPU显卡、CUDA10.1显卡驱动、cuDNN驱动补丁、Pytorch1.0.0框架，具体SW&HW如下所示。

• OS：Win10

• RAM：8G/16G+

• GPU：MX250

• Anaconda：Anaconda3-5.2.0-Windows-x86_64

• Nvidia Cuda：v10.1

• Cudnn：cuDNN v8.0.3 (August 26th, 2020), for CUDA 10.1

• Pytorch：v1.0.0