[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）

[Tensorflow] 資料可視化 - Tensorboard

一直被 Tensorboard 沒辦法顯示 graph 這件事情困擾

TensorFlow 官網也沒有一步步的圖文教學

後來在 youtube 上面找到對岸網友 周莫煩 的TensorFlow 資料可視化教學視頻

Tensorflow 14 Visualization Tensorboard 1 (neural network tutorials)

利用周莫煩提供的程式碼

加上下面這個視頻

TensorFlow Tutorial in Chinese 10：TensorBoard 可视化计算图谱

點選上排的Graph

就能夠顯示基本的神經網絡資料圖表了

我發現上禮拜一直沒有辦法顯示 DataFlow Graph 的原因了

其實很簡單

在前面的 Tensorflow 14 Visualization Tensorboard 1 (neural network tutorials) 這段影片中

10：41 也有提到這件事情

執行完程式之後

writer = tf.train.SummaryWriter("logs/", sess.graph) 這行程式碼會創造出一個 logs 資料夾

同時內含有 Tensorboard 所需要的資訊

如果終端機現在進入 logs 檔，並在終端機中輸入

tensorboard  --logdir="logs"

它已經在 logs 資料夾中，以至於讀不到logs資料夾中產生的紀錄檔

因此，回到資料夾的上一層

重新輸入

tensorboard  --logdir="logs"
它會給我們一個 https 的位址，將它輸入瀏覽器中，就能夠進入 Tensorboard 中

點選上排的 Graph 按鍵，即可得到 DataFlow Graph

(轉) TechOrange - 連續創辦 25 家公司，MIT 教授告訴大家最好的學術實踐就是創業

內文簡介：

對於只能夠存活在實驗室的技術，是不夠力的！

全文在此

"Robert Langer（鮑伯•蘭格）作為麻省理工（MIT）的教授，擁有全美最大的實驗室（實驗室人員超百人），每年 1000 多萬美元的研發經費，研發效率和產出極高。作為 MIT 為數不多的學院教授（Institute Professors，MIT 最高教授頭銜）之一，Robert Langer 實驗室以研究靶向藥物傳遞系統和組織工程學而出名，累計發表了 1200 多篇專業論文，申請過 900 多項專利，其中 400 多項已經授權。Robert Langer 自幼就很喜歡化學，在康乃爾大學和 MIT 拿了化工專業的學位，進入研究生院後利用自己的化學和化工背景，研究開發與生命健康有關聯和幫助的項目。早在 1991 年，年僅 43 歲的 Robert Langer 就獲得了美國三大科學院院士（美國科學院、美國工程院和醫學院）頭銜，獲得了包括 Charles Stark Draper 獎、Lemelson-MIT 獎和 Albany 醫學中心醫學與生物醫學研究大獎、日本京都獎等榮譽，一直活躍在 MIT 的化學工程系和生物工程系。Robert Langer 不僅學術做得好，而且很有商業頭腦。自從 1987 年起，他一口氣辦連辦 25 家新公司，多數是與他的學生和博士後共同創辦的生物技術公司及醫療器械公司。" 

視覺化呈現 MNIST

最近在用 mnist 這個手寫數字影像資料庫進行簡單的機器學習

官方提供了一個非常"視覺化"的博文教學

讓大家可以仔細體會一下這個資料庫

(轉)【机器学习】Logistic Regression 的前世今生（理论篇）

文章連結：http://blog.csdn.net/cyh_24/article/details/50359055

對岸這篇文章討論邏輯回歸分析理論，同時有 gif 圖讓讀者快速了解中間發生什麼事情