深度学习入门之Tensorflow安装、keras踩坑总结（二）——tensorflow指定GPU、Jupyter notebook切换内核、显存释放等

在上篇文章中，我们总结了一些在Theano安装使用过程中遇到的问题以及解决办法，接下来我们主要说一下Tensorflow。

1. Tensorflow安装

Tensorflow如果直接使用pip命令的话，可能十分耗时，下载速度非常慢，还很容易中断，所以大家可以使用清华大学的开源软件镜像站进行下载https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/。python3.5版本的话，可以选择Tensorflow1.4.0版本啦，其他版本应该也有可以的，这个版本是一个师弟推荐我使用的，所以我就直接使用了这个啦~  

我们可以根据自己用CPU还是GPU，操作系统是Linux还是别的，Python使用哪个版本，以及想下载哪个版本的Tensorflow来进行选择，得到相应的安装命令。如下图所示。

然后按照图中的命令执行就可以啦~速度要快很多哦。

2.  在Jupyter notebook下使用Keras Tensorflow时遇到的显存不释放、占满等问题

在运行Keras或者Tensorflow时我们会发现个问题，如果你使用的是具有多个GPU的服务器，那么程序会自动调用所有的能够调用到的资源，在每个GPU上挤占一块