【SCRDet++代码调试】windows下调试（重点是“编译 setup.py（rotate) tensorflow版”）

一、环境要求

【论文】
【github代码位置】

显卡内存一定要大于等于11G！！！ 如果没有达到，就不要尝试运行代码了……

二、硬件环境配置

为了使深度学习任务能够更高效地完成，通常使用图形处理器（Graphics processing unit，GPU）来并行处理深度学习中的计算任务。

在台式机GPU市场上，NVIDIA、AMD、Intel占据主导地位。这里使用NVIDIA公司型号为NVIDIA GeForce xxx 的GPU来完成任务。

在使用GPU之前，需要安装必要的驱动程序和环境等。

【说在前面的话】

听说，安装完 GPU 驱动以后，直接在 Anaconda 中安装 tensorflow-gpu 会自动安装匹配的 CUDA Toolkit、cdDNN？

如果有朋友尝试真的可以，麻烦告诉小弟一下！

参考：
1. 为什么深度学习和神经网络需要GPU？
2. 什么是显卡 - 图形处理器和显卡什么区别和联系
3. 英伟达（Nvidia）的图形处理器（GPU）怎样分类的，分别面向什么市场？
4. Win10 Anaconda 下 TensorFlow-GPU 环境搭建详细教程（包含CUDA+cuDNN安装过程）

1、安装 NVIDIA 图形驱动程序

NVIDIA 图形驱动程序是用来驱动 NVIDIA 图形处理器的程序，可在 NVIDIA 官网通过自动更新或手动搜索的方式进行安装（推荐先手动搜索，再自动更新）。

【官方：NVIDIA 驱动程序下载】

2、安装 CUDA Driver

CUDA Driver 是 CUDA 工具包兼容的驱动程序。

CUDA（Compute Unified Device Architecture），是 NVIDIA 推出的运算平台/并行计算框架，只能用于 NVIDIA 旗下的 GPU，只有安装这个框架才能够进行复杂的并行计算（还有一个 cuDNN，是针对深度卷积神经网络的加速库）

安装 CUDA Toolkit 的时候，会默认安装 CUDA Driver

放两个帮助理解的解释：

1. 把 CUDA 想象成 NVIDIA 公司提供的一个计算平台，在这个平台上，可以使用 NVIDIA 公司提供的各种便捷计算工具来进行计算，不需要自己再来开发