u012562690的博客

实验室新配备一台深度学习工作站，接下来的任务是让它跑起来，开始记录血泪之路！！

1.介绍NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，例如convolution、pooling、normaliz

第一步装好驱动后，总算是可以正式开始安装环境了,首先安装CUDA 8.0。1.概述CUDA是NVIDIA推出的运算平台。是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题，想使用GPU就必须要使用CUDA。 安装前建议好好看下官方给的安装指南，虽然多，但是很详细，比一些教程讲的要好的多。 http://docs.nvidia.com/cuda/cuda-

搭建环境（一） 显卡驱动，安装英伟达显卡驱动后登录循环本来打算自己在英伟达官网下载驱动，无意中在系统的附加驱动里搜到有现成的，so，直接切换，那个X.Org Xserver 是集显使用的驱动，这也是后面悲剧祸根。 更改过程大概七八分钟的样子，然后提示你重新启动， 然后我就被困在登录界面了，输入密码跳一下，然后又回到登录界面,如此循环。

安装完CUDA以及cudnn就剩最后一步安装TensorFlow了。官网中给出了几种安装方式： 1.基于pip的安装 2.基于 VirtualEnv 的安装 3.基于 Docker 的安装 4.基于 Anaconda 的安装 我是使用Anaconda 安装成功的，所以这里仅介绍基于 Anaconda 的安装方式，其他安装方式请参见官方文档。1.安装Anaconda从anaconda官网ht