※ 引述《geminitw (geminitw)》之铭言：
: 不好意思自己回复一下, 后来还是接受电虾版网友的建议就去
: 买了 i5 8600K + 1080ti, 因为老鲁很怕吵,
: 还买了 FD R5 静音机壳 基本上大概 50K 出头 (16G RAM + 256G 545 SSD etc)
: 安装 linux Ubuntu 16/17 都会导致黑画面 (Google 一下, 有很多人反应类似问题)
boot option 要加 nomodeset，屡试不爽了
: 修改啥 boot 参数对我都没有用 （反正看讯息就知道一直进入 isr routine)
来实验室后，装过不少台了，
总之在灌 cuda 9.0 / Nvidia driver 前先不要插显卡是最 naive 的方式
(啊 cuda 9.1 刚出，但我最近编过路径会有些问题，新手就先装 9.0 吧)
灌完后，再把 N家卡插上去，再灌 cuDNN
(记得 runtime 跟 development kit 都要灌)
然后就可以把 tensorflow 从 github 载下来编了
: ※ 引述《geminitw (geminitw)》之铭言：
: : 若本文有不恰当之处, 请各位老司机告知, 小的自行删除~
: : 因为最近硬件贵松松, 所以一直都用 MacBook Pro 先胡乱用一下 numpy/tf
: : 不过后来发觉一般 直接用 pip install tensorflow (conda install tensorflow)
pip 上的版本是纯 CPU 版本
: : 所安装的 tf 并没有用到 intel SSE/AVX 等等指令集,
: : 网络上找了有人人编译好的支援指令集的版本 tf 后, 一轮 epoch 居然可以从
: : 耗时三分多钟进步到 大约一分四十秒...
: : 请问各位... 组好机子之后, 会直接就上 tf 开始跑训练, 还是会先花时间把tf
: : 由原始码重新编译并且安装?
当然会重编啊，当然 configure 时会麻烦一点
(尤其 cuDNN 的路径又特别奇怪...)
但重编才能让你掌握 tensorflow 底下 C++ 编了什么东西进去