換了一個好顯卡，訓(xùn)練模型的時候比AWS租的慢幾十倍？？
看看這一輪訓(xùn)練的時間，長到天荒地老。
image.png
這簡直是一件不能接受的事，難道錢打水漂了？
No，我們 too young too simple!
先使用 nvidia-smi 命令檢查一下。
'nvidia-smi' 命令可以在linux下直接使用，在windows下直接執(zhí)行會報錯：
image.png
直接解決辦法是到 'NVSMI' 目錄下去執(zhí)行，通常目錄位置為：
C:\Program Files\NVIDIA Corporation\NVSMI
執(zhí)行結(jié)果如下：
image.png
看吧， Process name里面沒有一個python, 說明根本沒有調(diào)用顯卡來進(jìn)行計算。
- 先卸載目前的tensorlfow :
pip uninstall tensorflow -y - 然后安裝GPU版本的tensorflow:
pip install tensorflow-gpu -UI
如果pip下載實在是太慢，或者容易掉線的話，建議直接復(fù)制地址用工具下載，速度杠杠
下載whl文件，安裝只需要到文件所在位置，執(zhí)行
pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl
安裝結(jié)束！ 運行試一下，提示錯誤就來了-_-!!~:
image.png
去下載了windows版本
image.png
下載bese installer 以及 4個 patches
https://developer.nvidia.com/cuda-90-download-archive
在這之前要記得安裝NVIDIA驅(qū)動，地址為：
https://www.nvidia.cn/Download/index.aspx?lang=cn
以上成功安裝完成后 ， 不出意外的還有問題（喝口水平靜一下）
image.png
下載地址：
https://developer.nvidia.com/cudnn
這個下載需要注冊，驗證郵件以及填一下表格。
下載后得到三個文件夾 ，需要復(fù)制到路徑中。
image.png
查找路徑可以輸入命令：
echo %path%
image.png
找到本機(jī)的CUDA地址，我的是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
三個文件夾復(fù)制過去。再調(diào)用一下
image.png
表示------‘呵呵‘
升級 numpy / 卸載 unmpy 再重裝：
pip uninstall numpy
pip install numpy --upgrade
numpy 的版本需要注意一下
image.png
需要 numpy<=1.14.5,>=1.13.3,
再運行 nvidia-smi 看看
image.png
運行速度改變了
image.png
