换了一个好显卡，训练模型的时候比AWS租的慢几十倍？？
看看这一轮训练的时间，长到天荒地老。
image.png
这简直是一件不能接受的事，难道钱打水漂了？
No，我们 too young too simple!
先使用 nvidia-smi 命令检查一下。
'nvidia-smi' 命令可以在linux下直接使用，在windows下直接执行会报错：
image.png
直接解决办法是到 'NVSMI' 目录下去执行，通常目录位置为：
C:\Program Files\NVIDIA Corporation\NVSMI
执行结果如下：
image.png
看吧， Process name里面没有一个python, 说明根本没有调用显卡来进行计算。
- 先卸载目前的tensorlfow :
pip uninstall tensorflow -y - 然后安装GPU版本的tensorflow:
pip install tensorflow-gpu -UI
如果pip下载实在是太慢，或者容易掉线的话，建议直接复制地址用工具下载，速度杠杠
下载whl文件，安装只需要到文件所在位置，执行
pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl
安装结束！ 运行试一下，提示错误就来了-_-!!~:
image.png
去下载了windows版本
image.png
下载bese installer 以及 4个 patches
https://developer.nvidia.com/cuda-90-download-archive
在这之前要记得安装NVIDIA驱动，地址为：
https://www.nvidia.cn/Download/index.aspx?lang=cn
以上成功安装完成后 ， 不出意外的还有问题（喝口水平静一下）
image.png
下载地址：
https://developer.nvidia.com/cudnn
这个下载需要注册，验证邮件以及填一下表格。
下载后得到三个文件夹 ，需要复制到路径中。
image.png
查找路径可以输入命令：
echo %path%
image.png
找到本机的CUDA地址，我的是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
三个文件夹复制过去。再调用一下
image.png
表示------‘呵呵‘
升级 numpy / 卸载 unmpy 再重装：
pip uninstall numpy
pip install numpy --upgrade
numpy 的版本需要注意一下
image.png
需要 numpy<=1.14.5,>=1.13.3,
再运行 nvidia-smi 看看
image.png
运行速度改变了
image.png
