#名词解释，具体功能，链接的安装教程。使用过程中的问题 等等
CUDA：CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
pytorch：一个开源的Python机器学习库
Conda：一个开源的软件包管理系统和环境管理系统
【Conda】
conda能让开发者轻松的创建、保存、加载和选择本地的电脑的开发环境，这尤其适用于python开发者，其它语言可用conda进行包的管理。
conda能让开发者轻松的创建、保存、加载和选择本地的电脑的开发环境，这尤其适用于python开发者。
当系统中，存在多个不同版本的python，如python2.7、python3.7，及各种依赖于不同版本的包，这时候很容易在调用和选择的时候出现意想不到的问题，conda就是用于解决它而产生的。conda可以基于不同的python版本创建环境，如：开发者A可以基于python3.7创建一个自己用的环境conda create --name A_env python=3.7，再将自己需要的包安装在 A_env 这个环境中，当以后需要用时，直接选择自己的配置的环境即可。
不同版本的conda，只会影响创建环境(env)下的默认python版本。conda create --name env_name python=python版本号（默认为当前 python 版本）
【CUDA】
除了TensorFlow之外，许多其他DL框架依赖CUDA来支持GPU，包括Caffe2，CNTK，Databricks，Keras，MXNet，PyTorch，Theano和Torch。在大多数情况下，他们使用cuDNN库进行深度神经网络计算。该库对于深度学习框架的培训非常重要，使用给定版本的cuDNN的所有框架对于等效用例具有基本相同的性能数字。当CUDA和cuDNN从版本改进到版本时，更新到新版本的所有深度学习框架都会看到性能提升。从框架到框架的性能往往不同的地方在于它们扩展到多个GPU和多个节点的程度。
CUDA深度学习库
在深度学习领域，有三个主要的GPU加速库：cuDNN，我之前提到它是大多数开源深度学习框架的GPU组件; TensorRT，这是Nvidia的高性能深度学习推理优化器和运行时; 和DeepStream，一个视频推理库。 TensorRT可帮助优化神经网络模型，以高精度校准低精度，并将经过培训的模型部署到云，数据中心，嵌入式系统或汽车产品平台。
可通过CUDA官网直接下载对应版本的CUDA。
【pytorch】
pytorch官网直接下载对应的pytorch版本。有些深度学习的论文是多年以前的，可能使用的pytorch版本是旧版，这就需要通过pytorch旧版下载。
（Ps：实验室师兄在用pytorch 1.0新版时，遇到模型训练不收敛的问题，确定不是自己代码的问题后，改用pytorch 0.4旧版后，模型正常运行，大家可以注意下这个问题。）
