硬件平台：windows10、NVIDIA GeForce GTX 1050
软件平台：Pycharm、Anaconda3、Tensorflows
实现功能 基础平台搭建
一、安装 Pycharm & Ananconda3
两个软件的安装步骤简单。
需注意的是，建议先安装Pycharm，这样在安装完Ananconda后可以直接在Pycharm中创建后续船舶检测分类的虚拟环境。
具体安装及配置步骤，参考：? Anaconda与Pycharm详细安装配置?
?
二、安装CUDA&cuDNN
CUDA是NVIDIA推出的用于自家GPU的并行计算框架，cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。?
本项目中需要使用GPU进行神经网络的训练，故CUDA 和 cuDNN都需要安装。
需要注意的是，CUDA 和 NVIDIA的版本对应关系是非常重要的，而tensorflow-gpu和CUDA、cuDNN的版本都有严谨的对应关系，版本不对应将无限bug。建议读者先查询tensorflow-gpu的版本对应关系表，再查询CUDA对应NVIDIA驱动版本关系表。
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? tensorflow-gpu版本对应关系表
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?CUDA对应NVIDIA驱动版本关系表
阅表后，按照以下顺序进行安装：显卡驱动更新（去n卡官网即可实现）—— CUDA —— cuDNN 在安装cuDNN时，需注意cuDNN库并不是运行程序，只需要下载解压 cuDNN 文件，并配置 Path 环境变量即可。
具体安装操作步骤，请参考：CUDA & cuDNN
三、安装 tensorflow-gpu
tensorflow-gpu 可以直接在pycharm中使用
pip install tensorflow-gup==你需要的版本 -i https://pypi.mirrors.ustc.edu.cn/simple特别注意，不要安装tensorflow 否则 会自动有限使用cup版本的神经网络。
安装后可以使用下面的测试代码进行环境测试，可以输出正确的tf-gpu版本即为环境安装成功。
import tensorflow as tf
sess = tf.Session() #这句运行后会返回GPU的信息，如图3.1所示。若只有cpu信息，则安装失败
a = tf.constant([1,2,3],shape=[3],name='a')
b = tf.constant([1,2,3],shape=[3],name='b')
c=a+b
四、安装opencv?
pip install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple总结：笔者的显卡版本是GTX1050的直接更新了497.29版本的驱动；CUDA 11.2 ; cuDNN 8.2.0 ; Tensorflow-gpu 2.6.0 ; python 3.8 ; keras 2.6.0