最近在实现FlowTrack（End-to-end Flow Correlation Tracking with Spatial-temporal Attention），子网络用到了FlowNet，实现代码用到了空间互相关，需要安装spatial-correlation-sampler。所以需要配套的环境，鼓捣了一下，成功了，于是有了这篇文章，这篇文章相当于安装spatial-correlation-sampler的先导片，下一篇就来重点讲解如何安装spatial-correlation-sampler。
首先，讲一下我为什么选择miniconda，是因为它解决了我的两个痛点问题：1. 安装库时能自动安装相应的依赖包,自带的包管理和环境能减少安装过程中遇到的各种库和版本的问题；2. 可以方便地创建虚拟环境,隔离不同要求的项目。虽然pycharm也可以创建虚拟环境，但是不如conda来的方便，conda可以直接通过命令行创建和管理，更加便捷和强大。另外，为什么我没使用anaconda而是使用miniconda,是因为miniconda比较精简，anaconda预装的一些库我用不到，装这个大家伙就比较臃肿。
安装miniconda
-
官网下载好像只能下载最新版，最新版都出到4.8.3了，默认版本Python3.8，如果你不想用这么高的版本，可以去清华镜像站下载。我下的4.8.2的，默认python版本3.7；
-
安装过程很简单，一路狂点next（还是贴个图吧，懒得打字了，嘻嘻）；
运行安装包，点击Next
-
点击 I Agree
- 直接Next，这两个选项的区别在于环境变量设置在当前用户还是系统Path中
- 选择安装路径，默认在C盘，建议放到其他盘，一个是免得占系统盘空间，另一个是如果哪天重装系统了，也不用重装python环境，只需要重新添加一下环境变量即可
- 选择添加环境变量，（红字不用担心）如果这里不勾选，cmd里是无法使用conda命令和python解释器的
- 点击Next
- 点击Finish
创建python环境并安装PyTorch1.2.0
- 创建python3.7的环境
conda create -n py37 python=3.7
只需要这行命令就可以自动下载pip，setuptools等工具，创建python3.7的环境
- 激活环境
conda activate py37
可能还要先输入conda init（以前好像不用，不知道为啥现在要用这一句初始化）
- 添加下载镜像源（国内镜像源很多，清华镜像源库比较全，下载速度也比较快）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
- 安装pytorch1.2.0(GPU版本)
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch
安装cuda9.2
安装完成后，可以立即重启也可以稍后重启，还有很重要的一步是：下载cudnn（NVIDIA开发的深度神经网络GPU加速库，如果把cuda比作一个工作台的话，cudnn就相当于一个工作台上的一个扳手）
官网下载需要注册NVIDIA账号，有点麻烦，我在这儿给个百度网盘地址吧。
链接：https://pan.baidu.com/s/1ZqfsF-9gfjZ4DM8Moat3Dw
提取码：tlh7
下载之后，解压，将bin，include和lib文件夹下的文件拷贝到cuda安装目录的对应位置。
