419
Windows下如何配置TensorFlow？這有個簡單明了的教程（支持GPU哦）
https://yq.aliyun.com/articles/68435
TensorFlow穀歌DistBelief人工智能學習係統Tensor語音識別或圖像識別等多項機器深度學習領域
下麵是在windows係統下安裝TensorFlow深度學習工具箱的教程，作者為Jeff Heaton
TensorFlow現在可以Windows係統，同樣也適用於Mac和Linux。而TensorFlow存在的第一年，Windows支持的唯一方式是虛擬機，通常是通過DockerGPU支持，這對我來說也是個好消息。我教的深度學習研究生課程對於Windows的學生而言是很困難的。
GPU進行深度學習被廣泛告知GPU集群可以通過深度學習做一些驚人的事情。然而，我很好奇Windows Surface Book（GPU：GeForce GT 940）使用GPU與CPU的性能對比。事實證明使用GPU比CPU性能高的很多：
CPU Version of TensorFlow: 1 hour, 54 minutes.
GPU Version of TensorFlow: 13 minutes
Surface Book擁有更先進的GPU（GeForce GT 965）。去年，Mac和Windows之間的TensorFlow領域真的發生大變化。當TensorFlow首次發布時沒有Windows版本，但現在NVidia CUDA針對深入學習有著很大興趣的發展。
NVidia驅動程序：
CUDNN-CUDA深層神經網絡
TensorFlow到Windows Python，TensorFlow需要Python2.7、3.4或3.5版本。我使用的是Anaconda Python3.5。我所做第一件事就是為TensorFlow創建CPU和GPU環境。這使他們與我有其他非深入學習Python環境分開。創建CPU TensorFlow環境：
conda create --name tensorflow python=3.5
activate tensorflow
conda install jupyter
conda install scipy
pip install tensorflow
GPU TensorFlow環境：
conda create --name tensorflow-gpu python=3.5
activate tensorflow-gpu
conda install jupyter
conda install scipy
pip install tensorflow-gpu
GPU時，你的TensorFlow代碼不會被更改。你可以通過切換環境簡單地運行相同的代碼。TensorFlow使用GPU或不使用，這取決於你所處的環境。您可以在以下環境之間切換：
activate tensorflow
activate tensorflow-gpu
GPU。即使你正在使用一台筆記本電腦。NVidia是科學計算的首選GPU。雖然AMD可能完全有能力，但對AMD的支持卻很稀少。
本文由北郵@愛可可-愛生活 老師推薦，阿裏雲雲棲社區組織翻譯。
文章原標題《Using TensorFlow in Windows with a GPU》，作者：Jeff Heaton，譯者：海棠
文章為簡譯，更為詳細的內容，請查看原文
最後更新：2017-07-12 22:09:38