[Tensorflow] GPU版本安裝硬體需求

[ 這篇文是寫給GPU版本的使用者，CPU版本的使用者可以忽略 ]

NVIDIA 官網上面提供的 GPU版本 TensorFlow 安裝教學文件

提醒各位，如果是在 Linux 環境底下，務必事先確保正在安裝的版本是可以支援的

不然會面臨 重新解除安裝，再重新安裝 的窘境

對於 Linux 新手來說，如果沒有具備經驗的人從旁指導，所消耗的時間是巨大的...

以下是相關安裝所需要具備的條件

The GPU-enabled version of TensorFlow has the following requirements:

• 64-bit Linux

• Python 2.7

• NVIDIA CUDA® 7.5 (CUDA 8.0 required for Pascal GPUs)

• NVIDIA cuDNN v4.0 (minimum) or v5.1 (recommended)

You will also need an NVIDIA GPU supporting compute capability 3.0 or higher.
- See more at: http://www.nvidia.com/object/gpu-accelerated-applications-tensorflow-installation.html#sthash.TfIK4hr5.dpuf

 別忘了，要使用支援運算能力達到 3.0 以上的 GPU 卡

還有下載下來的 Tensorflow 版本需要能支援以上條件 NVIDIA 驅動程式以及開發套件

GPU 使用率檢查

最近需要使用 GPU 版本的 Tensorflow 來進行訓練

但是我們該如何檢查 GPU 使用的狀況呢？

以下是 lab 的政岳學長以及我從網路上找到的資訊

GPU usage monitoring (CUDA)

在cmd 視窗中執行

nvidia-smi

(更多關於nvidia-smi的資訊可以看這個網頁的介紹)

就能夠出現以下圖一中關於GPU的資訊畫面

圖一、GPU 程序 [原圖來源]

如果有GPU程序在執行的話，在圖一下方中 processes 那欄會出現

第幾個 GPU 上面跑著的程序，它的 Process ID（PID） 是多少

還有 GPU 記憶體使用率是多少

[Tensorfow] 簡易影像分類器 訓練教學 - TensorFlow For Poets

TensorFlow For Poets 是一篇訓練分類兩種不同種花的教學文

按照步驟輸入指令，就能夠順利安裝 Docker

接著再按照步驟一步一步的訓練完分類器之後

在Docker的環境裡面執行以下的指令

python /tf_files/label_images.py /tf_files/flower_photos/花的資料夾/某張花的影像檔名.副檔名

cmd就會把兩個分類結果選項以及分數給秀出來，就如同下面這樣

daisy (score = 0.99936)
roses (score = 0.00064)

從分數的高低，可以知道我剛剛用來測試的影像是 Daisy（雛菊）