深度学习-搭建TensorFlow深度学习开发环境

有问题欢迎在评论区留言，后续更新常见问题及解决方法。。。

一、深度学习应用的典型开发流程

二、深度学习训练所需的硬件

对于深度学习训练来说核心的执行硬件是GPU。TensorFlow官网对显卡的要求是：CUDA计算能力为3.5或更高的NVIDIA GPU卡。NVIDIA官网 所展示的部分GPU产品的CUDA计算能力如下：

其他产品请自行到NVIDIA官网查看：https://developer.nvidia.com/cuda-gpus#compute

三、NVIDIA显卡驱动安装（可跳过）

一般来说，使用中的电脑已经装有对应的显卡驱动，所以此操作可不做。
若真没有安装显卡驱动的可自行使用驱动精灵、360驱动大师进行安装。
Windows系统下，查看显卡驱动依次操作如下：
此电脑 -> 右键 -> 属性 -> 设备管理器 -> 显示适配器

四、释放NVIDIA显卡资源（可跳过）

为了把NVIDIA显卡的计算资源全部释放出来，建议将“Primary Display”的设置改为“IFGX”，这样英特尔集成显卡会作为主显示输出。具体操作如下：
默认情况下，BIOS中Chipset->System Agent(SA) configuration->Graphics configuration->Primary Display的设置是Auto，意思是当插上独立显卡时，独立显卡会作为主显示输出，把Auto改为IFGX。

五、深度学习开发环境所需的软件

5.1 Python和Anaconda

由于人工智能领域的相关库或框架都是用Python开发的（如scikit-learn、TensorFlow等)，所以 Python 已经成为事实上的人工智能算法开发语言。Python强大好用的原因是其有数量庞大且功能相对完善的标准库和第三方库。但管理这些数量庞大的库，