持續(xù)更新中
GPU與tensorflow的那些事
要裝TensorFlow with GPU support舔稀，有以下準備工作：
安裝CUDA? Toolkit 8.0
安裝The NVIDIA drivers associated with CUDA Toolkit 8.0
安裝cuDNN v5.1
有一塊GPU card with CUDA Compute Capability 3.0 or higher.
-
安裝The libcupti-dev library, which is the NVIDIA CUDA Profile Tools Interface幅狮，終端鍵入以下命令即可
sudo apt-get install libcupti-dev
檢查GPU環(huán)境
-
檢查GPU是否兼容CUDA
$ lspci | grep -i nvidia
如果你的顯卡是NVIDIA的或者在這個表里http://developer.nvidia.com/cuda-gpus, 你的GPU也就是兼容CUDA的词渤。
-
檢查你的Linux發(fā)行版本
$ uname -m && cat /etc/*release -
檢查gcc是否安裝和版本
$ gcc --version -
檢查系統(tǒng)運行的核
$ uname -r -
安裝 kernel headers 和 development packages
$ sudo apt-get install linux-headers-$(uname -r)
安裝CUDA Toolkit
按照https://developer.nvidia.com/cuda-downloads上的指示來安裝。
檢驗是否安裝成功，輸入以下命令：
$ md5sum <file>
和http://developer.nvidia.com/cuda-downloads/checksums 中的checksum比較即可。
總的來說，按著下面這個一步一步的從最前面做到最后即可劫映，每一步做完都記得檢查一下：
http://docs.nvidia.com/cuda/pdf/CUDA_Installation_Guide_Linux.pdf
查看CPU,GPU,memory使用情況
-
看正在運行的程序的資源使用情況：
$ top -
查看GPU使用情況
nvidia-smi # 或者你想看多一點 nvidia-smi -l
進程管理
-
查看所有進程
$ ps a -
殺死一個進程
# 殺死進程號為PID的進程 $ kill PID # 徹底殺死進程 $ kill -9 PID
參考：
http://linuxtools-rst.readthedocs.io/zh_CN/latest/tool/ps.html
http://www.cnblogs.com/peida/archive/2012/12/20/2825837.html
