tensorflow系列(1)碎碎念

谷歌开源的火爆的深度学习框架。一些零散的想法。

（原文发表在我的博客，欢迎访问

0x00.碎碎念

安装

可以从源码安装或者直接pip，推荐环境是python3.6而不是python2.7。

刚开始图方便直接pip安装，后来要用到gpu，pip安装的tensorflow编译的cudnn是5.1，我本地是6.0，所以下载源码重新编译了一下。

云服务器没有gpu，所以不管他。我本机是archlinux，官方仓库是cuda8.0与cudnn6.0，所以没有源码安装cudnn5.1，源码安装了tensorflow。命令如下：

# 首先下载源码
$ git clone https://github.com/tensorflow/tensorflow
# 安装bazel的意思
$ sudo pacman -S bazel
# 进入tensorflow文件夹里
$ ./configure
# 执行如下两个命令编译pip包
$ bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
# 编译好的包在如下路径里，因为tensorflow版本不同，包的名字也不一样
$ sudo pip install /tmp/tensorflow_pkg/tensorflow-1.0.1-py2-none-any.whl

cpu与gpu

有些计算只能跑在cpu上，但是通常来说gpu运算速度更快，适合浮点运算和密集运算。所以有人买很多gpu挖矿。

因为最近找了一些单机大作，游戏对显卡要求较高，所以也有一点了解。现在用来深度学习的gpu性能比较好的比如gtx 1080,gtx 1080 Ti。

像我的笔记本，显卡是GeForce 940M,性能一般，玩游戏可能勉强带起来。跑GAN的一步大概是2.7s，云服务器是两核cpu，一步要22s。

所以以后有机会弄个工作站吧，插满gpu的服务器或是自己组装的双显台式。

面向未来

最近了解了在tensorflow之上的keras，可以通过操作keras而不考虑究竟是tensorflow还是其他的框架。说的不是很明白，可以谷歌了解一下。

我觉得这就是未来，等tensorflow非常得心应手时候再了解吧。

有个说法是spark用在工业上，tensorflow用在研究上。spark上有mlib来机器学习，有deeplearning4j来深度学习。python可以通过pyspark来交互式执行代码。我想，可不可以将二者联系起来呢？