本文详细介绍了安装CUDA和PyTorch的完整流程。首先通过NVIDIA控制面板查看显卡支持的CUDA版本（13.0.78），建议安装12.x稳定版本。然后从官网下载对应CUDA安装包进行自定义安装。接着下载匹配的cuDNN库文件并复制到CUDA目录。最后在Anaconda中创建Python3.9虚拟环境，安装对应CUDA版本的PyTorch，通过导入测试验证安装成功。整个过程涵盖了从驱动检查到

更新conda版本命令：conda update先通过conda activate pytorch进入pytorch环境用上述命令更新即可。

该代码实现了一个基于人脸检测的自动背景虚化功能。首先使用OpenCV的Haar级联分类器检测图像中的人脸区域，然后以人脸为中心扩展生成矩形掩码。通过掩码腐蚀和高斯模糊处理实现边缘羽化效果，最后对背景进行高斯模糊并与前景融合。该方法通过调整模糊核大小和标准差控制虚化强度，并利用掩码加权融合保证过渡自然。代码还提供了实时优化的建议，如缩小图像尺寸或使用简单模糊算法来提高处理速度。

im = cv2.imread("./test.png", 1) # 1表示3通道彩色，0表示单通道灰度。cv2.imshow("test", im) # 在test窗口中显示图像。cv2.destroyAllWindows() # 销毁所有创建的窗口。加中科大的镜像，安装4.7的某个版本，加国内镜像安装的快一点。print(type(im)) # 打印数据类型。print(im.shape) #