一个本来很简单的任务，把一个神经网络跑起来看看效果，愣是给我整了快一周，过程可谓是一步一坑，而且遇到的问题得到解决后看起来都好蠢。
首先拿到一个网络，当然第一步是安装环境，看了一下用的pytorch，电脑里没有，于是安装之
pip install https://download.pytorch.org/whl/cu80/torch-1.0.1.post2-cp27-cp27mu-linux_x86_64.whl
此时第一个问题出现了，它告诉我找不到pytorch的whl包，仔细确认了各种版本都没写错，那么问题就是我的pip版本用错了，因为同时装了python2和python3的缘故吧，pip改成pip2，成了
内心疯狂吐槽自己，你是沙雕吗，别人都是pip默认表示pip2，pip3才是pip3，哪有你这反过来的pip默认pip3
十几k的小水管啊缓缓地流，一天过去了。。。
然后把网络输入输出改好，看起来似乎没什么问题了，跑起，报错，嗯，意料之中，哪有一蹴而就的事
看一下，报pytorch的size不对，估摸着就是网络输入数据这一块没搞好了，print大法debug之，定位到出错的地方，原来是一个超参数忘了改，到这里看似轻描淡写，实际又过去了一天
改好之后，再跑起来，成了，开始训练了，epoch1，epoch2，epoch3，epoch4，epoch5，cuda out of memory…WHAT！？搞啥子哦，四张泰坦的服务器你给我讲out of memory？
啊不对不对，一定是哪里搞错了，既然能跑5个epoch了说明代码ok的，再跑一遍试试，万一玄学嘛
保险起见，跑之前来一发
torch.cuda.empty_cache()
再跑，得，干脆一个epoch都跑不来了直接报错，还是out of memory，【讲粗话】
冷静，想一下，我用的数据是长序列，会不会是这个原因？于是把数据下采样，再来一遍。
还是报错，不过这次错误不太一样，查了一下，是因为网络源代码使用的是0.3.0版本的pytorch，而我用的是最新的1.0.1，于是有些接口比如data.loss[0]不支持了，怎么办呢，该不会要我卸载重装吧，有り得ない！
手动一处处把报错的地方改为最新的接口，又一天过去了
改完，再跑，out of memory…你搞我吗？
大概又尝试了那么三四五六七八次，无果，最终决定，妥协，下载0.3.0版的pytorch，这一下，就是一天
终于，崭新的（并不）pytorch下好了，跑起，out of mem…两眼一黑1
2import torch
print(torch.__version__)
看一下pytorch，版本1.0.1，你在耍我吗？
终端往上翻一下安装信息，没错啊安装，成功了啊，torchvision也还ok啊，嗯？torchvision？嗯？你怎么还装了一大堆东西？怎么还有torch？卧槽torchvision还自带帮你升级pytorch版本的服务这么丧心病狂的吗？
Fine，再次卸载1.0.1，这次学乖了，先装torchvision，再装pytorch
Finally，模型顺顺利利地跑起来了，你以为悲惨的故事结束了吗？Naive！
当训练了一大半的时候，我想看一下显卡的状态怎么样，占用了多少，于是控制台`nvidia-smi，得，这一下，网络训练到一半直接宕了，报了不知道在讲啥的错误，还好一边训练一边有保存模型，不然哭都不知道去哪哭。
总结一下，这一番折腾收获还是有的，让我明白了一个道理：
辣鸡机器学习