关于使用TensorFlow跑深度学习的建议

关于使用系统的问题.

最好使用ubuntu安装TensorFlow而不是Win10？

性能：性能对比到底有多大的问题！
GTX1070在win10 64与ubuntu 18.04.2
运行矩阵运算速度测试-同一台电脑，CUDA10.0，驱动430.26，cuDNN为对应版本最近！
时间上误差极小：8.14 V S8.57，结果是ubuntu下，居然不如win10.
TensorFlow版本为：1.14。

config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True)

是否建议使用Docker来进行运行对应的代码.

Docker很火，很多人都喜欢拿来跑深度，性能到底怎么样？
window下的docker的性能远远的低于ubuntu下docker的性能，那么到底差距多少？
直接结论：

• window10 64下，基于系统的问题性能不容乐观，大概也就80%不到！
• ubuntu18.04.2LTS下 几乎没有 太大区别，大概是同一代码时间花费为:host VS docker = 54:56。

tensorflow版本的问题.

我很负责任的说：tensorflow1.14的运算上不如tensorflow1.8版本！
时间为：8.57 VS 6.19

• 测试所用代码.

  import sys
  import numpy as np
  import tensorflow as tf
  from datetime import datetime
  
  config = tf.ConfigProto(allow_soft_placement=False)
  
  device_name = sys.argv[1]  # Choose device from cmd line. Options: gpu or cpu
  shape = (int(sys.argv[2]), int(sys.argv[2]))
  if device_name == "gpu":
      device_name = "/gpu:0"
  else:
      device_name = "/cpu:0"
  
  with tf.device(device_name):
      random_matrix = tf.random_uniform(shape=shape, minval=0, maxval=1)
      dot_operation = tf.matmul(random_matrix, tf.transpose(random_matrix))
      sum_operation = tf.reduce_sum(dot_operation)
  
  startTime = datetime.now()	
  with tf.Session(config=config) as session:
      result = 0.0
      for i in range(1000):
          result += session.run(sum_operation)
          print(result)
  
  # It can be hard to see the results on the terminal with lots of output -- add some newlines to improve readability.
  print("\n" * 3)
  print("Shape:", shape, "Device:", device_name)
  print("Time taken:", str(datetime.now() - startTime))	
  """
  # use:
  python this.py gpu 10000
  """