作者atrix (班班)
看板PC_Shopping
标题[心得] 学习DeepLearning的初学者心得
时间Thu Aug 17 02:33:34 2017
※如果DL的全貌是马里安纳海沟，
※那我大概正在游泳池游泳。
我用的是python3+tensorflow+keras，
先写个简单的建置历程 证明不是键盘大师。
如果你是个只会用windows的人，
(修改一下)注意底下:
Windows用python3.6，
tensorflow安装会有问题，
我移掉3.6再装3.5.2还是会挂，
要重灌windows再装3.5.2才正常import。
※(如果你是个不用花一个礼拜以上时间，
※就可以独自在windows上跑gpu加速的人，
※那我想拜你为师)
如果你会用Vim写程式，
那这篇请当作笑话略过。
如果你不知道指令cd,ls在干嘛？
那请先了解Linux的档案架构跟windows的差异。
如果不会用nano写个python的开图程式，
那请先看看vim怎麽操作，然後你会对nano很有亲切感。
还有把tensorflow装好後用matplotlib秀张图出来。
如果不知道该怎麽开始DL的学习，
那请在github上找个简单的CNN模型下来跑跑看，先看看别人是怎麽做的。
上面写了我目前建置过程中的大部分keywords，事後有想到再补充。
~~~
有人说deep learning用cpu跑是开玩笑，
就我个人一个多月以来学习经验，
这一半是开玩笑没错，但另一半不是。
直接讲用cpu跟gpu的比较好了，
GPU优点:
快，就是快，2,3小时的train几十分钟就完成。
只用CPU优点:
简单，建置快速。
初学者我强烈建议先在VM中安装Ubuntu，
装在VM中就不能用GPU加速了，
可初学者就不要妄想用什麽GPU了。
CPU都没搞定还想用GPU?
※如果你真的很想用GPU加速某个model，那这篇也不是你需要看的。
用VM的好处:
装完环境之後你可以直接汇出虚拟机当作备份，
避免新手的强力技能:[把环境崩溃掉]後，
要重新安装系统的麻烦事。
而且可以安装一次，创建好几台虚拟机，
而不用准备一堆实体电脑，
去测试各种环境变数，套件的相容性，跟一堆杂七杂八的问题。
高手会用virtualenv创建不同的虚拟环境，
避免不小心搞挂系统这件事。
不过，连virtualBox都不会用的话，
我是不觉得会用virtualenv。
~~~
安装tensrflow-cpu
就把官网的指令复制贴上，大概4个步骤，含下载15分钟完成。
安装tensorflow-gpu
需要CUDA® Toolkit 8.0
需要cuDNN v5.1.
以上两个就是安装gpu版最累人的地方，第一次我至少花了两天时间，
NVIDIA的安装说明我一直没有去看懂，
试着在k600上安装时，被烦倒在设定环境变数的部份，就不想搞了。
安装完上面两个後，就跟安装cpu版是几乎一样的指令了。
~~~
就目前为止，用gpu的好处，
我只想到加快train,跟使用的速度，
DL的学习重点跟顺序，
着重於: linux操作 〉python 〉
tensorflow跟keras 〉深度学习理论，
而且深度学习的理论非常非常非常重要！！！
除此之外，
我是不觉得gpu加速能帮助多少一个人学习DL的速度加快。
要学DL就该学DL的理论，
DL的理论不只要人聪明，还要大量时间，
写好model後，就丢给底下的人去测试，
学DL不要把时间花在建环境上。
学DL不要把时间花在建环境上。
学DL不要把时间花在建环境上。
除非你像我一样这麽苦命，
整个系上没人会python,懂linux操作。
(修改)纯CPU不适合:
用DL工作的人，
有人处理演算法，自己只负责测试的人，
用CPU处理的时间超过可接受的时间的人
(我的话，train的上限大概是10~14天，因为要做报告)
~~~
我推荐的DL学习最低建议:
I3,I5
(I7有点~不是那麽必要。)
32GB以上记忆体
(我目前试过约8个model,有两个会用超过14GB记忆体，因为是在虚拟机内所以是14G不是16G
SSD
(这个看个人，因为我的数据经常要自己挑出来需要的，1万多张300KB图片用arc100都要好几分钟才能读完缩图)
显卡:看看口袋多深买多贵，我只有朋友送的两张K600。
~~~
对了，用CPU还有个好处，
可以跟Boss说东西还在跑，
进度报告先跳过我。
(deadline快到的人不适用)
~~~(新增:有错请指教)
在windows上装anaconda
建置GPU加速环境应该是最简便的，
但我还没试。
新手在Ubuntu 搞NV-GPU加速是在自虐，
不过有不少Library在windows上会很难搞。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.230.26.3
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/PC_Shopping/M.1502908417.A.33F.html
※ 编辑: atrix (36.230.26.3), 08/17/2017 02:36:52
1F：推 odanaga : 还在gradient descent08/17 02:41
2F：→ odanaga : 除了tf以外还有一些tool是用cpu的08/17 02:43
3F：推 f496328mm : 学DL+GPU蛮辛苦的，系统崩溃好几次，而且GPU版本不08/17 02:47
4F：→ f496328mm : 同，安装方式也有些微差距，而且不同的NN，差距有点 08/17 02:47
5F：→ f496328mm : 大QQ，背後一堆理论 08/17 02:47
6F：→ atrix : ㄧ楼高手 08/17 02:49
7F：→ atrix : 3楼我们一起QQ，理论真的看得好辛苦(痛苦) 08/17 02:50
8F：推 arrenwu : DL的理论其实就是古早NN的理论吧？ 08/17 02:53
9F：推 jerry92277 : 这电虾点在哪 08/17 02:53
10F：→ jerry92277 : 另，windows搞不定是你功力太弱，spyder 3+tensorfl 08/17 02:53
11F：→ jerry92277 : ow+cuda半小时不用就可以搞定了，根本不用重灌 08/17 02:53
12F：→ arrenwu : 印象中DL理论面现在就算在学界也没啥人想碰 08/17 02:53
13F：→ arrenwu : 他的电虾点应该是最後面的建议配备吧XD 08/17 02:53
14F：→ atrix : 我并不负责我们研究题目的演算法， 08/17 02:55
15F：→ atrix : 我只负责测试到能动 08/17 02:55
16F：推 jerry92277 : 当初帮lab学长赶毕业救急，拿1070帮他跑spyder3写好 08/17 02:55
17F：→ jerry92277 : 的code，速度稳定i7-6700十倍，半小时就setup开始tr 08/17 02:55
18F：→ jerry92277 : ain了好吗 08/17 02:55
19F：推 arrenwu : 我之前作DL的project 其实也是在Windows下面跑 08/17 02:56
20F：→ arrenwu : 现在大部分人用DL是在应用层面 08/17 02:56
21F：嘘 jerry92277 : nVidia家的东西初次架设拿linux，尤其是ubuntu根本 08/17 02:57
22F：→ jerry92277 : 就是自虐 08/17 02:57
23F：→ atrix : spyder3我是第一次听到, 08/17 02:58
24F：→ atrix : 要是早知道我也不用这麽累了QQ 08/17 02:58
25F：推 arrenwu : Spyder 只是 IDE 对你们应该没太大影响吧？ 08/17 02:58
26F：→ arrenwu : 虽然我是觉得没有IDE写code很痛苦就是 08/17 02:59
27F：→ atrix : 我的第一目标是把别人写的测到能动， 08/17 03:00
28F：→ jerry92277 : 而且我还不是搞DL的，我做blockchain，那时候隔壁la 08/17 03:01
29F：→ jerry92277 : b学长来求救，刚好我lab有一台电动机放1070，一个 08/17 03:01
30F：→ jerry92277 : 中午吃饭的时间刚好train完dataset，省的他熬夜住la 08/17 03:01
31F：→ jerry92277 : b 08/17 03:01
32F：→ atrix : 小弟还没能力知道整个Machine learnimg的世界长怎样 08/17 03:02
33F：推 odanaga : vscode 站出来 08/17 03:02
34F：→ jerry92277 : dl的东西做testing算最简单吧，丢下去跑，去买个鸡 08/17 03:02
35F：→ jerry92277 : 排，回来才收data 08/17 03:02
36F：→ arrenwu : 要了解ML的世界容易啊 去找些网路课程上就可以了 08/17 03:03
37F：→ arrenwu : 只要线性代数和机率部分没卡关 ML概念算是好懂 08/17 03:03
38F：→ atrix : 拿Ubuntu是自虐吗？ 08/17 03:03
39F：→ atrix : 听到前辈这样说，我更想QQ了 08/17 03:03
40F：→ jerry92277 : 红明显，顺便警告，千万不要用ubuntu跑cuda相关的东 08/17 03:03
41F：→ jerry92277 : 西，第一次会搞驱动会到你很想死 08/17 03:03
42F：→ odanaga : 去玩个kaggle爬分自虐之类的 08/17 03:04
43F：→ jerry92277 : 光“搞对正确的driver版本”，而且还不是最新版，是 08/17 03:04
44F：→ jerry92277 : 其中'某一版'才会动 08/17 03:04
45F：→ odanaga : 还好 第一次痛 第二次爽 08/17 03:05
46F：→ jerry92277 : 然後每一次赌错就是recovery mode+cli砍掉驱动重来 08/17 03:05
47F：→ jerry92277 : 搞到我现在一颗cz80专门是弄好的ubuntu cuda 测试 08/17 03:06
48F：→ jerry92277 : 环境 08/17 03:06
49F：→ odanaga : 我记得装好cuda自己带的驱动就不要动了 不然开机没 08/17 03:06
50F：→ odanaga : 画面还得暴pirge一波 08/17 03:06
51F：→ jerry92277 : 而且每次ubuntu还会很“好心”的帮你启用内建的open 08/17 03:07
52F：→ jerry92277 : source driver 08/17 03:07
53F：推 f496328mm : 光是CNN就很痛苦了，要几层，每层要多大？480*640？ 08/17 03:07
54F：→ f496328mm : 虽然现在有VGG跟resnet，不过完全不懂里面在干啥， 08/17 03:07
55F：→ f496328mm : 不懂res一百多层怎麽来的 08/17 03:07
56F：→ atrix : 了解ML的世界，我指的不是概念，而是像「现在走的路 08/17 03:07
57F：→ atrix : 是远路还是近路？」这种 08/17 03:07
58F：推 arrenwu : 不懂里面在干嘛？不懂的不是只有你啊XD 08/17 03:08
59F：→ arrenwu : DL performnace部分的理论现在是空的 08/17 03:09
60F：推 jerry92277 : 我懒，直接nv预设的模组丢下去train，跑出来东西都 08/17 03:09
61F：→ jerry92277 : 蛮漂亮的，虽然不比手动tune过的东西好 08/17 03:09
62F：推 f496328mm : 还有什麽rnn、dnn，好难懂啊啊啊 08/17 03:09
63F：→ arrenwu : 就算是 CVPR 里面的paper也没人给数学理论证明的 08/17 03:09
64F：→ atrix : 没错!之前我有改显卡驱动，结果就不给我登入了，登 08/17 03:10
65F：→ atrix : 入了也进不去桌面... 08/17 03:10
66F：→ jerry92277 : 不过比大部分写的烂的好就够了(摊)程式写的太烂的 08/17 03:10
67F：→ jerry92277 : 办法 08/17 03:10
68F：推 odanaga : 还好做cnn不就人家vgg我也vgg(?) 08/17 03:10
69F：→ arrenwu : 他们证明自己效果好的方式就是拿些公共的data出来跑 08/17 03:10
70F：→ jerry92277 : 就有人硬要踩雷，要不是有手机发文没p币我早就开一 08/17 03:11
71F：→ jerry92277 : 篇文了(懒 08/17 03:11
72F：推 f496328mm : 所以大家目前都不管理论？用套件，单纯看结果吗？ 08/17 03:11
73F：→ f496328mm : 很好奇google那些怎麽设计nn的 08/17 03:11
74F：推 arrenwu : 他们tune架构和参数一定有理由 但多半来自经验 08/17 03:12
75F：推 jerry92277 : 是说我略懂vim， 可是我觉得这篇不好笑啊 08/17 03:12
76F：→ arrenwu : 但不会是数学证明 因为这个目前大家都做不到 08/17 03:12
77F：推 odanaga : 设计新架构比较难 把现有架构拿来解决旧问题比较简 08/17 03:13
78F：→ odanaga : 单 08/17 03:13
79F：推 f496328mm : 对啊，cnn目前就vgg、google、res，所以大家都用一 08/17 03:13
80F：→ f496328mm : 样的？ 08/17 03:13
81F：→ atrix : 应该不用觉得好笑啦，这只是某个弄掉半夜终於完成一 08/17 03:14
82F：→ atrix : 部份进度的研究生想写下的 08/17 03:14
83F：推 jerry92277 : 当然不是不管理论，你要知道理论才能大概估一下哪几 08/17 03:15
84F：→ jerry92277 : 组比较好用 08/17 03:15
85F：推 arrenwu : 就我了解 DL的理论就只有：只要你的资料和节点够多 08/17 03:15
86F：→ arrenwu : 你的NN可以模仿一个连续函数到任何精准度 08/17 03:15
87F：→ jerry92277 : 不然自己写的要死要活，结果不如大公司写好的套下去 08/17 03:15
88F：→ jerry92277 : 你不会哭死？ 08/17 03:15
89F：→ jerry92277 : 是说所以原po要拜我为师了吗，我一个小时内可以搞定 08/17 03:17
90F：→ jerry92277 : 欸(x) 08/17 03:17
91F：→ jerry92277 : (开玩笑的) 不过win上真的没那麽差啦XD 08/17 03:17
92F：推 f496328mm : 大家会去调整vgg的架构吗？看看有没有可能变好？ 08/17 03:18
93F：推 arrenwu : 我也觉得win上面没有很差 08/17 03:18
94F：→ f496328mm : 还是说，着重在应用方面？架构就直接用套件即可？ 08/17 03:19
95F：推 jerry92277 : 时间够(没压力)的话，可以稍微tune看看参数，不过da 08/17 03:21
96F：→ jerry92277 : taset不够大的话小心over-fitting 08/17 03:21
97F：推 arrenwu : 现在在比较的多半是你怎麽想到一个不错的应用 08/17 03:21
98F：→ atrix : 我真的想拜师了呢~~ 08/17 03:22
99F：→ atrix : 进实验室一段时间了，但现在才要硕士班，之前弄Ardu 08/17 03:25
100F：→ atrix : ino,PLC,网路设备，现在BOSS想要ML,就要去做ML~ 08/17 03:25
101F：推 jerry92277 : 不过dl有个比较隐形的麻烦点就是权重的设定有可能会 08/17 03:25
102F：→ jerry92277 : 导致model有bias 08/17 03:25
103F：→ jerry92277 : 这个我现在一直想想不到有什麽比较好的办法解决OTZ 08/17 03:26
104F：→ odanaga : cnn又不是只能classify 08/17 03:27
105F：推 Giovannie : Decker is your savor 08/17 05:29
106F：推 aa2468291 : QQ 目前大多用jetson tx2弄 不过arm架构 有些不是 08/17 07:12
107F：→ aa2468291 : 很好装 08/17 07:12
108F：推 n19605gh : 推 08/17 08:19
109F：→ Murasaki0110: docker才是正解 08/17 08:23
110F：→ celestialgod: windows anaconda 安装tensorflow 几分钟就搞定了.. 08/17 08:24
111F：→ celestialgod: .. 08/17 08:24
112F：嘘 litwild : 羊还是钓客? 08/17 08:33
113F：→ litwild : QQ 嘘错篇 慢点补推 08/17 08:33
114F：推 m28633146 : 我也用anaconda，几乎超级懒人包就弄好 08/17 08:35
115F：推 litwild : 补推 08/17 08:35
116F：→ m28633146 : 1070比i7-6700快超多的 有够爽 08/17 08:35
117F：→ m28633146 : 但我花了一周才知道我的tesla c2050 cc 2.0不能用 08/17 08:40
118F：推 willy4907 : GPU版 windows简单多了~ 08/17 08:40
119F：推 rexct : 要用GPU的话，装 nvidia-docker 用docker跑digits就 08/17 08:57
120F：→ rexct : 完成环境建制了 08/17 08:57
123F：推 Ruminative : 大家讨论好热烈，学到不少，之前在mac上灌caffe也搞 08/17 09:08
124F：→ Ruminative : 好久，某个套件版本不对，就要整段重来。 08/17 09:09
125F：→ ACMANIAC : 如果连 Windows 装起来都有问题，用 Ubuntu 会装到 08/17 09:33
126F：→ ACMANIAC : 不是普通的想死...这还不是装好就没事了 08/17 09:33
127F：嘘 circums : windows跑TF跟CUDA比linux简单多了 灌驱动有够机歪 08/17 09:34
128F：→ circums : windows麻烦的是python的library很多都只有linux版 08/17 09:35
129F：→ ACMANIAC : CPU 唯一优点只有好装，但是後面负担的训练时间多到 08/17 09:35
130F：→ ACMANIAC : 你可以装个几十次 GPU 版 (从你刚进硕班算到毕业) 08/17 09:36
131F：→ ACMANIAC : GPU 加速 绝对 不是 适合 "研究题目就是加速的人" 08/17 09:37
132F：→ ACMANIAC : 而是 本身就在搞 Deep Learning 的研究生！ 08/17 09:37
133F：→ ACMANIAC : 因为你的研究生涯没上百次也至少会跑个几十次实验！ 08/17 09:39
134F：→ ACMANIAC : 另外，virtualenv 也比 VirtualBox 简单非常多... 08/17 09:45
135F：→ ACMANIAC : 有在写 Python 的使用 virtualenv 非常基本吧... 08/17 09:45
136F：→ ACMANIAC : 最後，你的 CPU 的好处...在你快要口试的时候会颗颗 08/17 09:46
137F：→ ACMANIAC : 尤其跑一些更 GY 的 model 好比 RNN 或 GAN 之类的 08/17 09:49
138F：→ ACMANIAC : 你用 CPU 等你跑完别人都毕业了喔 08/17 09:50
139F：推 winiel559 : 我用Windows啊...虽然专长是train出大便 08/17 09:50
140F：推 EGsux : Ubuntu 960m 的驱动我炸了三次弄了一整天才把issue 08/17 09:51
141F：→ EGsux : fix 好 08/17 09:51
142F：推 EGsux : 连safe mode 我都进不去 08/17 09:53
143F：嘘 circums : 再嘘一次跑GAN真的很干 08/17 09:56
144F：→ ACMANIAC : > 就算是 CVPR 里面的paper也没人给数学理论证明的 08/17 10:08
145F：→ ACMANIAC : 证明什麽？如果是模型的有效性应该蛮多篇的吧 08/17 10:08
146F：→ ACMANIAC : CVPR 数学蛮多的啊，确实应用更多没错啦 08/17 10:08
147F：→ ACMANIAC : 我想了一下，用数学证明模型有效性在 ICML 比较多 08/17 10:10
148F：→ friedpig : 不过其实时间短的话用免费的云计算就好了 GCP Azure 08/17 10:14
149F：→ friedpig : AWS都有一些免费的额度可以玩 08/17 10:15
150F：推 a1234567289 : 我没有使用任何机器学习的模组 自己写函式自己用 08/17 10:22
151F：→ a1234567289 : 高级优化算法从头到尾自干 08/17 10:22
152F：→ a1234567289 : 然後做出来後 干 octave有够慢 我要转战tensorflo 08/17 10:24
153F：→ a1234567289 : w惹 还有 Linux系用nvidia是找死吧 你忘记Linux 08/17 10:24
154F：→ a1234567289 : 的谁还直接对nvidia骂 fuck you惹码 08/17 10:24
155F：推 a1234567289 : 现在训练神经网路怕样本太少或参数太多导致high-bia 08/17 10:30
156F：→ a1234567289 : s的话还有随机抽离隐藏层的算法 这海超大的 08/17 10:30
157F：→ ACMANIAC : Linus XDDDDD 原来是这样 (? 08/17 10:35
158F：→ ACMANIAC : 随机抽离隐藏层是啥？是指 Dropout? 08/17 10:36
159F：推 a1234567289 : 对 是dropout 我不知道是不是这样翻XDD 阿话说 我刚 08/17 10:45
160F：→ a1234567289 : 打错 那是overfitting 想说奇怪为啥神经元太多会hig 08/17 10:45
161F：→ a1234567289 : h bias XD 08/17 10:45
162F：→ a1234567289 : 我有个同学自干一个类Siri的AI系统 可是我没了解太 08/17 10:48
163F：→ a1234567289 : 多 开学的时候去问问细节 08/17 10:48
164F：推 EGsux : high variance才是 overfit high bias underfit 08/17 10:56
165F：推 ntueesuevan : 用atom啦 比vim好用多 08/17 10:56
166F：→ EGsux : 现在大家都在用atom吗？ 08/17 10:57
167F：→ soto2080 : vs code啦 08/17 11:18
168F：推 a1234567289 : high bias不是参数太少吗？ high variance和overfit 08/17 11:21
169F：→ a1234567289 : ting则是参数太多？ 08/17 11:21
170F：→ a1234567289 : 刚学 已经搞混惹 QQ 看来要复习惹 08/17 11:22
※ 编辑: atrix (101.15.131.69), 08/17/2017 13:33:37
171F：推 kqalea : 推 nvidia-docker 网路神人很多～让他们debug就好 08/17 13:34
172F：推 APM99 : 等等 真的有人能看得懂理论?那已经准教授等级了吧 08/17 14:03
173F：→ kobe8112 : X! 这不是PTT电虾版吗?讲中文不行吗? (无误 08/17 14:10
174F：推 APM99 : 西洽有一篇用GAN生成二次元头像 很科普很中文 ....08/17 14:16
175F：嘘 eszerfrm : 有专门的版，这里是买PC的吧？08/17 14:53
176F：→ eszerfrm : 还有，DeepLearing不是为了Gpu加速用的，你那个要去08/17 14:54
177F：→ eszerfrm : 研究平行运算 08/17 14:54
178F：嘘 eszerfrm : 学DL就好好把DL学好，尽量跳脱「资料库」还有把你08/17 14:56
179F：→ eszerfrm : 的「去过适」做好就成功了08/17 14:56
180F：推 APM99 : 专版在哪?? 08/17 14:57
181F：→ eszerfrm : 不过深度学习本身就是一种过适的过程，怎麽跳脱，你08/17 14:57
182F：→ eszerfrm : 要好好研究08/17 14:57
183F：→ eszerfrm : 我哪知道，python版？08/17 15:00
184F：推 APM99 : 你说有专门的板阿 又说你哪知道??08/17 15:03
185F：→ APM99 : python就除错版 哪有在讨论这个08/17 15:04
186F：推 eszerfrm : 那这个版就有讨论这个的阿？08/17 15:16
187F：→ eszerfrm : 算了，不吵架，楼主分享的东西是好，但是在这里分08/17 15:17
188F：→ eszerfrm : 享就怪怪的而已08/17 15:17
189F：推 APM99 : 都被m文了 你还说怪怪的????版主都认可了 ok吗?08/17 15:18
190F：推 ladddddy : 好文推一个，目前也是新手，推荐可以anaconda配spy08/17 15:30
191F：→ ladddddy : der，驱动cuda & tf & keras非常好安装，大家一起08/17 15:30
192F：→ ladddddy : 加油QQ08/17 15:30
193F：→ anedo : 以需求来讨论选择硬体的话，类似讨论都是可以的。08/17 15:33
194F：→ anedo : 即使大部分方向都着重在软体面的话。08/17 15:33
※ 编辑: atrix (36.230.26.3), 08/17/2017 15:59:39
195F：推 zxc123270 : 干最近也开始要碰这个了 08/17 16:06
196F：推 eszerfrm : 我又没说不可以.... 我只是说怪怪的，别引战 08/17 16:23
197F：→ eszerfrm : 不过楼楼上说得倒是有道理，这里是我理亏抱歉 08/17 16:24
198F：→ anedo : 毕竟板上以win采购硬体是大宗，要讨论其他os也可 08/17 16:27
199F：→ anedo : 使用之间的讨论可以减少一些采购问题。那当然是最好 08/17 16:28
200F：推 leoloveivy : tensorflow官网满清楚的吧……… 08/17 16:57
201F：→ ACMANIAC : (GPU) 官网的照做会踩到坑啦，但用 Linux 踩到的坑 08/17 17:07
202F：→ ACMANIAC : 比 Windows 难太多了 08/17 17:08
203F：→ f496328mm : 哈哈 我也是照官网 采到不少坑 08/17 17:46
204F：推 EGsux : Linus 照官网会爆炸 主要是nv那边的driver 08/17 18:37
205F：→ APM99 : 抓到了 google都用mac 08/17 21:26
206F：推 ry3298 : 推 08/17 21:36
207F：推 yenhao0218 : docker 08/18 02:00
208F：推 vi000246 : 我用python3一堆套件有问题 只好用2.7 08/18 19:23
209F：推 vi000246 : 我用Anaconda跟keras 一天就能建好环境了 08/18 19:26
210F：→ nucleargod : 完全不需要，本机直接装ubuntu 跑 caffe 轻松 08/18 20:30
211F：→ nucleargod : GPU 加速只是一个参数开不开的问题 08/18 20:30
212F：→ nucleargod : 跑 learning 还是完全丢掉 windows 比较快 08/18 20:32
213F：推 uly : windows anaconda 明明超好装 08/18 21:08
214F：→ atrix : 今天试了一下，windows上anaconda的tensorflow的确 08/24 23:38
215F：→ atrix : 超好装......... 1小时内就装好了(又是个蓝蓝瘦，香 08/24 23:38
216F：→ atrix : 菇的心情) 08/24 23:38
217F：推 magonmonkey : 有点久了，专门来这篇推Jerry大，想当初用ubuntu装t 01/05 03:58
218F：→ magonmonkey : ensorflow装到快哭出来了，深有同感，会遇到各种奇 01/05 03:59
219F：→ magonmonkey : 形怪状的bug，网路上的解法通常又会连到另一个bug 01/05 03:59