2021SC@SDUSC
一.Python3.7.6安装由于原机安装的版本为3.9，而python不同版本使用差别很大，因此需要更换版本为3.7.6。
Python 依赖库安装和卸载 Python 的所有依赖库安装都可以通过 pip 来实现，指令如下：
python -m pip install xxx==x.x.x
其中，xxx 为要安装的库名，比如要安装 numpy 则为 numpy。x.x.x 为版本 号，不添加默认下载最新版。卸载指令只需把 install 替换成 uninstall 即可。
二、深度学习框架搭建（Windows版本）(累了家人们，鼓捣一整个下午，试图在虚拟机上安装NVIDIA显卡驱动。最终发现，根本就不支持！据某博主解释：“虚拟机的显卡是虚拟的，不能使用CUDA。虚拟机上装Nvidia显卡驱动会导致其他驱动全都不能用，所以不能在虚拟机上装N卡驱动，即无法使用GPU。”）
零基础，搭环境，踩坑小能手来了！！！坑坑必踩，招招必试！
1.cuda10.1官网下载链接：CUDA Toolkit 10.1 update2 Archive | NVIDIA Developer
打开刚刚的CUDA 安装程序，按照安装指引一路确定。安装完成后，打开命令行终端，执行： nvcc -V ，成功的话会返回 CUDA 版本号。CUDA 的安装完成。
2.cuDNN7.5.6下载链接：https://developer.nvidia.com/rdp/cudnn-archive
（1）解压刚刚下载的 cuDNN 的压缩包。会得到 bin、include、lib 目录。 打开 C:Program FilesNVIDIA GPU Computing ToolkitCUDA 即系统安装 CUDA 的目录，将 cuDNN 压缩包内对应的文件复制到对应 bin、include、lib 目录。
（2）右击我的电脑，选择“属性”->高级系统设置->环境变量。在系统变量 一栏找到“Path”变量，选择编辑。 添加以下路径：
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1libx64
（3）打 开 命 令 行 终 端 。 执 行 “ cd C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1extrasdemo_suite”进入该目录。然后执行“bandwidthTest.exe”， 测试 cuDNN 安装是否正确。如下图所示，即为成功：
3.pytorch1.8.2使用命令行：下载对应版本
pip3 install torch==1.8.2+cu102 torchvision==0.9.2+cu102 torchaudio===0.8.2
-f https://download.pytorch.org/whl/lts/1.8/torch_lts.html
显示如下：
测试pytorch是否可以正确使用：
至此，环境搭建完成！
三、项目部署 1.数据集下载：数据集：https://github.com/ memray/OpenNMT-kpg-release
2.代码下载：代码链接：https://github.com/Jayshen0/ Unsupervised-Deep-Keyphrase-Generatio
3.项目运行经过与组长共同交流讨论，解决了项目代码的运行问题。
（1）extract.py文件
Q1：invalid syntax
A1：源码有误：line138
record.append([input[i], list(set(rank[:5] + rank2[:5]))) #删去！
Q2:utils文件一起报错
A2:reduce方法缩进问题，更改如下：
def reduce(rank):
new_rank = []
for q in rank:
if q[1] not in trash:
new_rank.append(q[1])
rank = new_rank
ret=[]
for q in rank:
flg=0
for p in ret:
if (p in q) or (q in p):
flg=1
break
if flg:
continue
ret.append(q)
return ret
Q3:nltk_data无法下载
A3：参考该博客：直接快速下载NLTK数据_今春一别难相逢-CSDN博客_nltk下载，下载成功。
Q4：
A4：
