持續(xù)更新中

GPU與tensorflow的那些事

要裝TensorFlow with GPU support，有以下準(zhǔn)備工作：

1. 安裝CUDA? Toolkit 8.0

2. 安裝The NVIDIA drivers associated with CUDA Toolkit 8.0

3. 安裝cuDNN v5.1

4. 有一塊GPU card with CUDA Compute Capability 3.0 or higher.

5. 安裝The libcupti-dev library, which is the NVIDIA CUDA Profile Tools Interface，終端鍵入以下命令即可

   sudo apt-get install libcupti-dev
   

檢查GPU環(huán)境

1. 檢查GPU是否兼容CUDA

    $ lspci | grep -i nvidia
   

如果你的顯卡是NVIDIA的或者在這個(gè)表里http://developer.nvidia.com/cuda-gpus, 你的GPU也就是兼容CUDA的。

2. 檢查你的Linux發(fā)行版本

    $ uname -m && cat /etc/*release
   

3. 檢查gcc是否安裝和版本

    $ gcc --version
   

4. 檢查系統(tǒng)運(yùn)行的核

    $ uname -r
   

5. 安裝 kernel headers 和 development packages

    $ sudo apt-get install linux-headers-$(uname -r)
   

安裝CUDA Toolkit

按照https://developer.nvidia.com/cuda-downloads上的指示來(lái)安裝。
檢驗(yàn)是否安裝成功，輸入以下命令：

$ md5sum <file>

和http://developer.nvidia.com/cuda-downloads/checksums 中的checksum比較即可。

總的來(lái)說(shuō)，按著下面這個(gè)一步一步的從最前面做到最后即可，每一步做完都記得檢查一下：
http://docs.nvidia.com/cuda/pdf/CUDA_Installation_Guide_Linux.pdf

查看CPU,GPU,memory使用情況

1. 看正在運(yùn)行的程序的資源使用情況：

    $ top
   

2. 查看GPU使用情況

    nvidia-smi
    # 或者你想看多一點(diǎn)
    nvidia-smi -l
   

進(jìn)程管理

1. 查看所有進(jìn)程

    $ ps a
   

2. 殺死一個(gè)進(jìn)程

    # 殺死進(jìn)程號(hào)為PID的進(jìn)程        
    $ kill PID
    # 徹底殺死進(jìn)程
    $ kill -9 PID
   

參考：
http://linuxtools-rst.readthedocs.io/zh_CN/latest/tool/ps.html
http://www.cnblogs.com/peida/archive/2012/12/20/2825837.html