※ 引述《geminitw (geminitw)》之銘言：
: 不好意思自己回復一下, 後來還是接受電蝦版網友的建議就去
: 買了 i5 8600K + 1080ti, 因為老魯很怕吵,
: 還買了 FD R5 靜音機殼 基本上大概 50K 出頭 (16G RAM + 256G 545 SSD etc)
: 安裝 linux Ubuntu 16/17 都會導致黑畫面 (Google 一下, 有很多人反應類似問題)
boot option 要加 nomodeset，屢試不爽了
: 修改啥 boot 參數對我都沒有用 （反正看訊息就知道一直進入 isr routine)
來實驗室後，裝過不少台了，
總之在灌 cuda 9.0 / Nvidia driver 前先不要插顯卡是最 naive 的方式
(啊 cuda 9.1 剛出，但我最近編過路徑會有些問題，新手就先裝 9.0 吧)
灌完後，再把 N家卡插上去，再灌 cuDNN
(記得 runtime 跟 development kit 都要灌)
然後就可以把 tensorflow 從 github 載下來編了
: ※ 引述《geminitw (geminitw)》之銘言：
: : 若本文有不恰當之處, 請各位老司機告知, 小的自行刪除~
: : 因為最近硬體貴鬆鬆, 所以一直都用 MacBook Pro 先胡亂用一下 numpy/tf
: : 不過後來發覺一般 直接用 pip install tensorflow (conda install tensorflow)
pip 上的版本是純 CPU 版本
: : 所安裝的 tf 並沒有用到 intel SSE/AVX 等等指令集,
: : 網路上找了有人人編譯好的支援指令集的版本 tf 後, 一輪 epoch 居然可以從
: : 耗時三分多鐘進步到 大約一分四十秒...
: : 請問各位... 組好機子之後, 會直接就上 tf 開始跑訓練, 還是會先花時間把tf
: : 由原始碼重新編譯並且安裝?
當然會重編啊，當然 configure 時會麻煩一點
(尤其 cuDNN 的路徑又特別奇怪...)
但重編才能讓你掌握 tensorflow 底下 C++ 編了什麼東西進去
--
: 不好意思自己回復一下, 後來還是接受電蝦版網友的建議就去
: 買了 i5 8600K + 1080ti, 因為老魯很怕吵,
: 還買了 FD R5 靜音機殼 基本上大概 50K 出頭 (16G RAM + 256G 545 SSD etc)
: 安裝 linux Ubuntu 16/17 都會導致黑畫面 (Google 一下, 有很多人反應類似問題)
boot option 要加 nomodeset，屢試不爽了
: 修改啥 boot 參數對我都沒有用 （反正看訊息就知道一直進入 isr routine)
來實驗室後，裝過不少台了，
總之在灌 cuda 9.0 / Nvidia driver 前先不要插顯卡是最 naive 的方式
(啊 cuda 9.1 剛出，但我最近編過路徑會有些問題，新手就先裝 9.0 吧)
灌完後，再把 N家卡插上去，再灌 cuDNN
(記得 runtime 跟 development kit 都要灌)
然後就可以把 tensorflow 從 github 載下來編了
: ※ 引述《geminitw (geminitw)》之銘言：
: : 若本文有不恰當之處, 請各位老司機告知, 小的自行刪除~
: : 因為最近硬體貴鬆鬆, 所以一直都用 MacBook Pro 先胡亂用一下 numpy/tf
: : 不過後來發覺一般 直接用 pip install tensorflow (conda install tensorflow)
pip 上的版本是純 CPU 版本
: : 所安裝的 tf 並沒有用到 intel SSE/AVX 等等指令集,
: : 網路上找了有人人編譯好的支援指令集的版本 tf 後, 一輪 epoch 居然可以從
: : 耗時三分多鐘進步到 大約一分四十秒...
: : 請問各位... 組好機子之後, 會直接就上 tf 開始跑訓練, 還是會先花時間把tf
: : 由原始碼重新編譯並且安裝?
當然會重編啊，當然 configure 時會麻煩一點
(尤其 cuDNN 的路徑又特別奇怪...)
但重編才能讓你掌握 tensorflow 底下 C++ 編了什麼東西進去
--
All Comments