最新文章

windows测试发布的文章
这里是正文吗？ Tab键是否可用？
是否换行了？
```
是否缩进换行了？



测试结束了。
```
在 Ubuntu 上安装 Anaconda 与 CUDA
本文整理了在 Ubuntu 上安装 Anaconda、CUDA、cuDNN，以及常见 Python 机器学习环境的步骤，并补充了一些常见坑。
1. 安装 Typora
在 Ubuntu 上安装 Typora，可以直接去官方 Linux 安装页面：
在 Ubuntu 上安装 Typora
2. 安装 CUDA
官方 CUDA Toolkit 下载页：
cuda toolkit 12.8 官网
不要直接装最新版本，最好先确认你要用的 PyTorch 或 TensorFlow 支持到什么 CUDA 版本，再做选择。
CUDA 驱动大致有两类：
1. nvidia-open
  开源内核模块，社区可修改，适合开源场景。
2. cuda-drivers
  专有内核模块，官方完整功能，通常更稳定。
安装前，建议先清理旧的 NVIDIA 组件，避免冲突：
```
sudo apt remove --purge '^nvidia-*'
sudo apt autoremove
sudo reboot
```
如果安装驱动时出现类似：
```
nvidia-kernel-common 版本冲突
```
先检查当前驱动版本：
```
nvidia-smi
```
如果发现旧驱动残留，可以再卸载：
```
sudo apt remove --purge nvidia-kernel-common-550 nvidia-kernel-common-580
sudo apt autoremove
sudo apt --fix-broken install
sudo dpkg --configure -a
```
然后重新安装推荐驱动：
```
sudo ubuntu-drivers autoinstall
```
3. 安装 cuDNN
cuDNN 官方下载页面：
cuDNN 官网
安装完成后，可以检查 NVIDIA 相关包是否存在：
```
dpkg -l | grep nvidia
```
如果看到类似：
```
nvidia-kernel-550
```
或者：
```
nvidia-modules-550
```
说明是完整驱动安装的状态。
4. 安装 Anaconda
如果你还没有安装 Anaconda，可以去官网安装，或直接用命令行下载：
```
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
bash Anaconda3-2024.10-1-Linux-x86_64.sh
```
安装完成后，重新打开终端，验证：
```
conda --version
```
5. 安装 TensorFlow GPU 版
TensorFlow 官方从 2.11 之后，tensorflow-gpu 这个包已被弃用，改为：
```
pip install --upgrade "tensorflow[and-cuda]"
```
注意：
这个方式通常会自动拉取运行时需要的 CUDA / cuDNN 依赖，前提是你的系统环境和驱动已经匹配。
6. 安装 PyTorch
PyTorch 官方页面：
PyTorch 官网
推荐先创建虚拟环境：
```
conda create -n myenv001 python=3.10
conda activate myenv001
```
再安装 PyTorch：
```
pip install torch torchvision
```
7. 安装 BasicSR 时踩的坑
问题：pip install basicsr 很慢甚至卡住？
可以打开详细日志，查看卡在哪里：
```
pip install --verbose basicsr
```
常见原因是使用了不适合当前环境的安装方式。
可以尝试强制使用 PEP-517：
```
pip install -U pip setuptools wheel
pip install --use-pep517 basicsr --verbose
```
网速太慢的话可以使用proxychains工具
运行该项目时还有一个问题：但PyTorch ≥2.0 的版本已经把 functional_tensor 模块合并进了 torchvision.transforms.functional 我不想给torchvision降级，台麻烦了，所以加个补丁：找到报错的文件 /home/asd/anaconda3/envs/myenv001/lib/python3.10/site-packages/basicsr/data/degradations.py
```
把第 8 行
from torchvision.transforms.functional_tensor import rgb_to_grayscale
改成
from torchvision.transforms.functional import rgb_to_grayscale
```
9. 结论
整个搭建流程大致是：
1. 清理旧 NVIDIA 驱动
2. 安装新的 NVIDIA 驱动和 CUDA
3. 安装 cuDNN
4. 安装 Anaconda
5. 创建 Python 环境
6. 安装 PyTorch / TensorFlow
7. 安装项目依赖
8. 修复兼容性问题
如果环境里只是单纯做深度学习开发，优先安装：
```
conda create -n myenv001 python=3.10
conda activate myenv001
pip install torch torchvision tensorflow[and-cuda]
```
然后再根据项目需求安装其他库即可。

md的一些语法

这是一级标题

这是二级标题

这是三级标题

这是四级标题

这是五级标题

这是六级标题

加粗文本

斜体文本

加粗和斜体文本

普通文本段落，段落之间需要留出一个空行。

这是引用的文本
可以分成多行，也可以嵌套引用。
二级引用

列表

无序列表项 1
无序列表项 2
- 嵌套的无序列表项
- 嵌套的无序列表项
无序列表项 3

有序列表项 1
有序列表项 2
1. 嵌套的有序列表项
2. 嵌套的有序列表项
有序列表项 3

链接和图片

这是一个链接指向百度

代码块

行内代码：print("Hello, World!")

# 这是一个 Python 代码块
def greet():
    print("Hello, World!")

greet()


| 表头1  | 表头2  | 表头3  |
| ---- | ---- | ---- |
| 单元格1 | 单元格2 | 单元格3 |
| 单元格4 | 单元格5 | 单元格6 |
| 单元格7 | 单元格8 | 单元格9 |


**包含的语法**：
1. 标题：`#` ~ `######`
2. 强调：`**加粗**`，`*斜体*`
3. 列表：有序列表 `1.`，无序列表 `-` 或 `*`
4. 引用：`> 引用`
5. 代码：行内代码，代码块（支持多种语言）
6. 链接与图片：[链接](https://...)，`![图片](...)`
7. 表格：`|` 分隔的表格
8. 分割线：`---`
9. 任务列表：`- [ ]` 和 `- [x]`
10. 高亮：反引号（`` `高亮` ``）
11. 表情符号：使用 emoji

修改DLC与存档
###windows系统上教程繁多，不再叙述 ###Linux系统上 DLC：应放置在游戏安装位置存档：/home/asd/.local/share/Steam/steamapps/compatdata/518790/pfx/drive_c/users/steamuser/Documents/Avalanche Studios
还有一个容易搞混的路径：/home/asd/.local/share/Steam/userdata/1447728149/518790/Avalanche Studios 没搞懂这个路径的文件有啥作用，但是实际修改存档是不起作用的，甚至给他全删除了暂时也没发现对游戏有什么影响。
第二篇测试的文章标题
第二篇测试，怎么样设置成多级展示呢？
只有点击后才显示全部由内容，以及只显示标题
第一篇测试
这是一篇用来测试的我网站是否能够正常发布博客。 git pull –no-rebase origin master
2333333
现在写入 title = “文章标题” subtitle = “副标题（可选）” description = “文章的简短描述” date = 2025-08-09T12:00:00+08:00 lastmod = 2025-08-09T12:00:00+08:00 draft = false
author = “你的名字” categories = [“分类1”, “分类2”] tags = [“标签1”, “标签2”] slug = “custom-url”
featuredImage = “/images/cover.jpg” featuredImagePreview = “/images/thumb.jpg”
toc = true autoCollapseToc = true math = true
keywords = [“关键字1”, “关键字2”] series = [“专栏名”]
Hello World
caogao
怎么样串联整个文章

最新文章

1. 安装 Typora

2. 安装 CUDA

3. 安装 cuDNN

4. 安装 Anaconda

5. 安装 TensorFlow GPU 版

6. 安装 PyTorch

7. 安装 BasicSR 时踩的坑

9. 结论

这是一级标题

这是二级标题

这是三级标题

这是四级标题

这是五级标题

这是六级标题

列表

链接和图片

代码块

怎么样串联整个文章