ubuntu+CUDA踩坑记

在网上看了一篇文章，说tensorflow在linux下会比window下快一倍。

于是兴冲冲的下载了Ubuntu开始装双系统。

搞了一整天。

光Ubuntu就测试了3个版本：16.4.3， 16.4.4， 18.4。

1. 登录界面无限循环

2. low graphic错误不能登陆

3. 集成显卡装不上驱动，只能在1024*768上跑。

4. 什么也没装，干净的系统也不停的报错。

5. 等等等等

好不容易装好环境，跑了一下代码。

说好的比windows快呢？明明更慢好不好@_@

============================

2019年4月22日更新：

最近登录Ubuntu发现环境又不能用了，重新安装了python3.6+tensorflow1.10+keras2.2.4，然后测试了一下训练模型。

发现我之前的描述是错误的：

Linux下tensorflow确实快，但不是预测的时候，而是训练的时候。windows下1080ti显卡的11G显存只能使用9G（这个问题的原因我找了一年都没有找到，之前看过一个帖子说NVIDIA故意的以便和专业计算卡区分。如果有知道原因，或知道如何设置的请告知谢谢。），实测用到8.5G的时候就会经常性出现MemoryError，而Linux下11G显存可以用到10.5G。因此batch size可以设置到windows下的1.25倍，实际上我设置到1.5倍仍然可以训练，只是出现警告而不出现异常。训练一个epoch的时间也减少了20%。

所以要训练模型，还是在linux下更快。

另外，python3.6的多线程性能比python3.5好太多。