&figure&&img src=&https://pic2.zhimg.com/v2-dfe532f46b8ed803fb5b1_b.jpg& data-rawwidth=&900& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic2.zhimg.com/v2-dfe532f46b8ed803fb5b1_r.jpg&&&/figure&&p&Vim编辑器都不陌生了，很多开发者都在用Vim，有人曾这样的说过:&/p&&blockquote&在世界上有三种人：一种是使用Vim的，另一种是使用是Emacs的，剩下的是第三种人……&/blockquote&&p&关于Vim的介绍就不多说了，可以自行搜索，一搜哗啦啦全都出来了，&b&我主要是想总结一下Vim编辑器的一些资料，设想的是一个完全不会Vim编辑器的人，想学习Vim，那么应该在哪里学习，有什么资料可以看，所以文章应该更适合想学习Vim编辑器的人&/b&，当然懂vim的也可以看看，我还是认为里面有些资源还是不错滴~&br&&/p&&p&首先当然是学会Vim编辑器的使用啦，可以看这个教程：&b&&a href=&https://link.zhihu.com/?target=https%3A//www.shiyanlou.com/courses/2& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vim编辑器&/a&，&/b&主要是因为这个教程附带了在线Vim编辑器可以使用，这样可以边看教程边跟着动手捣腾捣腾，对于初学者来说是非常好的一种学习方式，可以更快上手Vim。而且如果你开始不想在自己电脑上安装Vim的话，可以用这个在线的Vim编辑器进行学习，学会之后再安装。&br&&/p&&p&然后可以看看陈皓老师翻译的&b&：&a href=&https://link.zhihu.com/?target=http%3A//coolshell.cn/articles/5426.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&简明 Vim 练级攻略&/a&，&/b&对于一个新手VIM来说是比较好的升级教程了，推荐一看。&br&&/p&&p&当然，鸟哥的私房菜中的：&b&&a href=&https://link.zhihu.com/?target=http%3A//linux.vbird.org/linux_basic/0310vi.php& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&鳥哥的 Linux 私房菜 -- 第九章、vim 程式編輯器&/a&，&/b&对vim做了一个较为系统的介绍，也可以作为入门教程，但是我推荐对vim有一定的了解之后再看，因为可以将开始比较零碎的学习系统化，更有助于提高，而且懂了之后再看也知道重点看什么，也知道自己哪里不太懂，带着目的去学习更好。&br&&/p&&p&我们知道Vim编辑器啊，对于新手来说它的配置和众多的插件是比较头疼的事情，这里推荐两篇文章：&b&&a href=&https://link.zhihu.com/?target=http%3A//blog.csdn.net/namecyf/article/details/7787479& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&vim配置及插件安装管理（超级详细）&/a&、&a href=&https://link.zhihu.com/?target=http%3A//www.jianshu.com/p/a0b452f8f720& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vim配置、插件和使用技巧&/a&&/b&，可以教你怎样配置vim，以及插件管理。对了，还有知乎上的：&b&&a href=&https://www.zhihu.com/question/& class=&internal&&有哪些编程必备的 Vim 配置？ &/a&，&/b&可以看看。&br&&/p&&p&嗯，还有什么，我想想，哦，还有一篇文章&b&&a href=&https://link.zhihu.com/?target=https%3A//www.shiyanlou.com/questions/2721& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&最详细的 Vi 编辑器使用指南(翻译)&/a&&/b&,各个方面都介绍了一些，可以看看。&br&&/p&&p&最后附上一些资源，可以看看：&br&&/p&&ul&&li&&b&&a href=&https://link.zhihu.com/?target=http%3A//vim-adventures.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&让你玩游戏的学习VIM&/a&&br&&/b&&/li&&li&&b&&a href=&https://link.zhihu.com/?target=http%3A//cenalulu.github.io/linux/all-vim-cheatsheat/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&史上最全Vim快捷键键位图 -- 入门到进阶&/a&&br&&/b&&/li&&li&&b&&a href=&https://link.zhihu.com/?target=http%3A//sheerun.net//how-to-boost-your-vim-productivity/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&有趣的Vim技巧&/a&&/b&&/li&&li&&b&&a href=&https://link.zhihu.com/?target=https%3A//code.tutsplus.com/tutorials/10-time-saving-tips-for-unix-vim-beginners--cms-22386& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vim 新手节省时间的 10 多个小技巧&/a&&/b&&/li&&li&&b&&a href=&https://link.zhihu.com/?target=https%3A//linux.cn/article-4669-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一些不起眼但非常有用的 Vim 命令&/a&&/b&&/li&&li&&b&&a href=&https://link.zhihu.com/?target=http%3A//www.vimer.cn/archives/1372.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&vim(gvim)相关插件整理&/a&；&/b&&/li&&/ul&&p&好吧，附上我收藏的3张VIM图吧，相信很多人都已经看过了：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-3d0df1e5e39c4f40016be_b.jpg& data-rawwidth=&3301& data-rawheight=&2550& class=&origin_image zh-lightbox-thumb& width=&3301& data-original=&https://pic1.zhimg.com/v2-3d0df1e5e39c4f40016be_r.jpg&&&/figure&&p&图片来源：&a href=&https://link.zhihu.com/?target=http%3A//michael.peopleofhonoronly.com/vim/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&点这里&/a&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-107ab14e11c8_b.jpg& data-rawwidth=&1024& data-rawheight=&723& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic3.zhimg.com/v2-107ab14e11c8_r.jpg&&&/figure&&p&图片来源：&a href=&https://link.zhihu.com/?target=http%3A//blog.ngedit.com/vi-vim-cheat-sheet-sch.gif& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&点这里&/a&&/p&&p&其实上面两张图呢，我上面介绍的文章里面都有，不过还是贴出来吧，免得没图大家不爱看~~(&_&)~~&/p&&p&&figure&&img src=&https://pic3.zhimg.com/v2-721ed6e317cd011cee78688cca13be66_b.jpg& data-rawwidth=&1024& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic3.zhimg.com/v2-721ed6e317cd011cee78688cca13be66_r.jpg&&&/figure&好吧，这一张图片真的不知道从哪里保存的，原作者看到后请与我联系啊，我加上来源~&/p&&p&最后：你，玩Vim，玩的开心啊，哈哈……&/p&
Vim编辑器都不陌生了，很多开发者都在用Vim，有人曾这样的说过:在世界上有三种人：一种是使用Vim的，另一种是使用是Emacs的，剩下的是第三种人……关于Vim的介绍就不多说了，可以自行搜索，一搜哗啦啦全都出来了，我主要是想总结一下Vim编辑器的一些资料，…
&figure&&img src=&https://pic3.zhimg.com/v2-0ec2d052ecfb4_b.jpg& data-rawwidth=&1487& data-rawheight=&827& class=&origin_image zh-lightbox-thumb& width=&1487& data-original=&https://pic3.zhimg.com/v2-0ec2d052ecfb4_r.jpg&&&/figure&&p&原创声明：本文为 SIGAI 原创文章，仅供个人学习使用，未经允许，不得转载，不能用于商业目的。 &/p&&p&怎样成为一名优秀的算法工程师？这是很多从事人工智能学术研究和产品研发的同学都关心的一个问题。面对市场对人才的大量需求与供给的严重不足，以及高薪水的诱惑，越来越多的人开始学习这个方向的技术，或者打算向人工智能转型。市面上各种鱼龙混杂的培训班以及误导人的文章会把很多初学者带入歧途，浮躁的跟风将会让你最后收获甚微，根本达不到企业的用人要求。为了更好的帮助大家学习和成长，少走弯路，在今天的文章里，&a href=&https://link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D2%26sn%3Daaedab3fce91857eec877b%26chksm%3Dfdb695f8cac11cee025ad6d8d77ed90fb20b2f5a6945b58edd97ceba91%5Cl%rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SIGAI&/a&的作者以自己的亲身经历和思考，为大家写下对这一问题的理解与答案。&/p&&p&首先来看一个高度相关的问题：一个优秀的算法工程师必须具备哪些素质？我们给出的答案是这样的：&/p&&blockquote&数学知识&br&编程能力&br&机器学习与深度学习的知识&br&应用方向的知识&br&对自己所做的问题的思考和经验&/blockquote&&p&除去教育背景，逻辑思维，学习能力，沟通能力等其他方面的因素，大多数公司在考察算法工程师的技术水平时都会考虑上面这几个因素。接下来我们将按照这几个方面进行展开，详细的说明如何学习这些方面的知识以及积累经验。&/p&&h2&数学知识&/h2&&p&与其他工作方向如app、服务器开发相比，以及与计算机科学的其他方向如网络，数据库，分布式计算等相比，人工智能尤其是机器学习属于数学知识密集的方向。在各种书籍，论文，算法中都充斥着大量的数学公式，这让很多打算入门的人或者开始学习的人感到明显的压力。首先我们考虑一个最核心的问题：机器学习和深度学习究竟需要哪些数学知识？在SIGAI之前的公众号文章“学好机器学习需要哪些数学知识”里，我们已经给出了答案。先看下面这张表：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-a916df31afcec795ea72e36c_b.jpg& data-size=&normal& data-rawwidth=&1542& data-rawheight=&1444& class=&origin_image zh-lightbox-thumb& width=&1542& data-original=&https://pic4.zhimg.com/v2-a916df31afcec795ea72e36c_r.jpg&&&figcaption& 更多算法工程师的必读文章，请关注SIGAICN公众号&/figcaption&&/figure&&p&上面的表给出了各种典型的机器学习算法所用到的数学知识点。我们之前已经总结过，理解绝大多数算法和理论，有微积分/高等数学，线性代数，概率论，最优化方法的知识就够了。除流形学习需要简单的微分几何概念之外，深层次的数学知识如实变函数，泛函分析等主要用在一些基础理论结果的证明上，即使不能看懂证明过程，也不影响我们使用具体的机器学习算法。概率图模型、流形学习中基于图的模型会用到图论的一些基本知识，如果学习过离散数学或者数据结构，这些概念很容易理解。除此之外，某些算法会用到离散数学中的树的概念，但很容易理解。&/p&&p&如果你已经学过这些大学数学课，只要把所需的知识点复习一遍就够了。对于微积分，通俗易懂而又被广为采用的是同济版的高等数学：&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-3ef8dbd529c5a35aade9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&420& data-rawheight=&440& class=&content_image& width=&420&&&/figure&&p&&br&&/p&&p&在机器学习中主要用到了微分部分，积分用的非常少。具体的，用到了下面的概念：&/p&&blockquote&导数和偏导数的定义与计算方法，与函数性质的关系&br&梯度向量的定义&br&极值定理，可导函数在极值点处导数或梯度必须为0&br&雅克比矩阵，这是向量到向量映射函数的偏导数构成的矩阵，在求导推导中会用到&br&Hessian矩阵，这是2阶导数对多元函数的推广，与函数的极值有密切的联系&br&凸函数的定义与判断方法&br&泰勒展开公式&br&拉格朗日乘数法，用于求解带等式约束的极值问题&/blockquote&&p&其中最核心的是多元函数的泰勒展开公式，根据它我们可以推导出梯度下降法，牛顿法，拟牛顿法等一系列最优化方法。如果你想要深入的学习微积分，可以阅读数学系的教程，称为数学分析：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-e8ea567e089cbb02817b9d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&421& data-rawheight=&616& class=&origin_image zh-lightbox-thumb& width=&421& data-original=&https://pic1.zhimg.com/v2-e8ea567e089cbb02817b9d_r.jpg&&&/figure&&p&与工科的高等数学偏重计算不同，它里面有大量的理论证明，对于锻炼数学思维非常有帮助。北大张筑生先生所著的数学分析可谓是国内这方面教材的精品。&/p&&p&下面来看线性代数，同样是同济版的教材：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-317e5b657402bbf0a8d69d597b2b50d1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&371& data-rawheight=&434& class=&content_image& width=&371&&&/figure&&p&如果想更全面系统的学习线性代数，可以看这本书：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f5b334db82c467ca84dcd2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&389& data-rawheight=&525& class=&content_image& width=&389&&&/figure&&p&相比之下，线性代数用的更多。具体用到的知识点有：&/p&&blockquote&向量和它的各种运算，包括加法，减法，数乘，转置，内积&br&向量和矩阵的范数，L1范数和L2范数&br&矩阵和它的各种运算，包括加法，减法，乘法，数乘&br&逆矩阵的定义与性质&br&行列式的定义与计算方法&br&二次型的定义&br&矩阵的正定性&br&特征值与特征向量&br&奇异值分解&br&线性方程组的数值解&/blockquote&&p&机器学习算法处理的数据一般都是向量、矩阵或者张量。经典的机器学习算法输入的数据都是特征向量，深度学习算法在处理图像时输入的2维的矩阵或者3维的张量。掌握这些概念是你理解机器学习和深度学习算法的基础。&/p&&p&概率论国内理工科专业使用最多的是浙大版的教材：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-1d9ec7dd9f4db320057ae_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&393& data-rawheight=&426& class=&content_image& width=&393&&&/figure&&p&如果把机器学习所处理的样本数据看作随机变量/向量，就可以用概率论的方法对问题进行建模，这代表了机器学习中很大一类方法。在机器学习里用到的概率论知识点有:&/p&&blockquote&随机事件的概念，概率的定义与计算方法&br&随机变量与概率分布，尤其是连续型随机变量的概率密度函数和分布函数&br&条件概率与贝叶斯公式&br&常用的概率分布，包括正态分布，伯努利二项分布，均匀分布&br&随机变量的均值与方差，协方差&br&随机变量的独立性&br&最大似然估计&/blockquote&&p&这些知识不超出普通理工科概率论教材的范围。&/p&&p&最后来说最优化，几乎所有机器学习算法归根到底都是在求解最优化问题。求解最优化问题的指导思想是在极值点出函数的导数/梯度必须为0。因此你必须理解梯度下降法，牛顿法这两种常用的算法，它们的迭代公式都可以从泰勒展开公式而得到。&/p&&p&凸优化是机器学习中经常会提及的一个概念，这是一类特殊的优化问题，它的优化变量的可行域是凸集，目标函数是凸函数。凸优化最好的性质是它的所有局部最优解就是全局最优解，因此求解时不会陷入局部最优解。如果一个问题被证明为是凸优化问题，基本上已经宣告此问题得到了解决。在机器学习中，线性回归、岭回归、支持向量机、logistic回归等很多算法求解的都是凸优化问题。&/p&&p&拉格朗日对偶为带等式和不等式约束条件的优化问题构造拉格朗日函数，将其变为原问题，这两个问题是等价的。通过这一步变换，将带约束条件的问题转换成不带约束条件的问题。通过变换原始优化变量和拉格朗日乘子的优化次序，进一步将原问题转换为对偶问题，如果满足某种条件，原问题和对偶问题是等价的。这种方法的意义在于可以将一个不易于求解的问题转换成更容易求解的问题。在支持向量机中有拉格朗日对偶的应用。&/p&&p&KKT条件是拉格朗日乘数法对带不等式约束问题的推广，它给出了带等式和不等式约束的优化问题在极值点处所必须满足的条件。在支持向量机中也有它的应用。&/p&&p&如果你没有学过最优化方法这门课也不用担心，这些方法根据微积分和线性代数的基础知识可以很容易推导出来。如果需要系统的学习这方面的知识，可以阅读《凸优化》，《非线性规划》两本经典教材。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-09b51d1def45d695c4a7c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&441& data-rawheight=&615& class=&origin_image zh-lightbox-thumb& width=&441& data-original=&https://pic2.zhimg.com/v2-09b51d1def45d695c4a7c_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-7b7c062adbe_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&447& data-rawheight=&612& class=&origin_image zh-lightbox-thumb& width=&447& data-original=&https://pic1.zhimg.com/v2-7b7c062adbe_r.jpg&&&/figure&&h2&编程能力&/h2&&p&编程能力是学好机器学习和深度学习的又一大基础。对于计算机类专业的学生，由于本科已经学了c语言，c++，数据结构与算法，因此这方面一般不存在问题。对于非计算机专业的人来说，要真正学好机器学习和深度学习，这些知识是绕不开的。&/p&&p&虽然现在大家热衷于学习python，但要作为一名真正的算法工程师，还是应该好好学习一下c++，至少，机器学习和深度学习的很多底层开源库都是用它写的；很多公司线上的产品，无论是运行在服务器端，还是嵌入式端，都是用c++写的。此外，如果你是应届生，在校园招聘时不少公司都会面试你c++的知识。&/p&&p&C++最经典的教材无疑是c++ primer：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-533a73e4db82dd3d4414beb7caf57a0b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&356& data-rawheight=&453& class=&content_image& width=&356&&&/figure&&p&对做算法的人来说，这本书其实不用全部看，把常用的点学完就够了。对于进阶，Effective c++是很好的选择，不少公司的面试题就直接出自这本书的知识点：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-bda111ade52fa4fef938f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&294& data-rawheight=&363& class=&content_image& width=&294&&&/figure&&p&接下来说python，相比c++来说，学习的门槛要低很多，找一本通俗易懂的入门教程学习一遍即可。&/p&&p&数据结构和算法是编写很多程序的基础，对于机器学习和深度学习程序也不例外。很多算法的实现都依赖于数组，链表，数，排序，查找之类的数据结构和基础算法。如果有时间和精力，把算法导论啃一遍，你会有不一样的感受：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-e99f0980aacb8046d67acb4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&236& data-rawheight=&318& class=&content_image& width=&236&&&/figure&&p&对于应届生来说，学完它对于你通过大互联网和人工智能公司校园招聘的技术面试也非常有用。&/p&&p&上面说的只是编程语言的程序设计的理论知识，我们还要考虑实际动手能力。对于开发环境如gcc/g++，visual studio之类的工具，以及gdb之类的调试工具需要做到熟练使用。如果是在linux上开发，对linux的常用命令也要熟记于心。这方面的知识看各种具体的知识点和教程即可。另外，对于编程的一些常识，如进程，线程，虚拟内存，文件系统等，你最好也要进行了解。&/p&&h2&机器学习与深度学习&/h2&&p&在说完了数学和编程基础之后，下面我来看核心的内容，机器学习和深度学习知识。机器学习是现阶段解决很多人工智能问题的核心方法，尤其是深度学习，因此它们是算法工程师的核心知识。在这里有一个问题：是否需要先学机器学习，还是直接学深度学习？如果是一个专业的算法工程师，我的建议是先学机器学习。至少，你要知道机器学习中的基本概念，过拟合，生成模型，ROC曲线等，上来就看深度学习，如没有背景知识你将不知所云。另外，神经网络只是机器学习中的一类方法，对于很多问题，其他机器学习算法如logistic回归，随机森林，GBDT，决策树等还在被大规模使用，因此你不要把自己局限在神经网络的小圈子里。&/p&&p&首先来看机器学习，这方面的教材很多，周志华老师的机器学习，李航老师的统计学习方法是国内的经典。这里我们介绍国外的经典教材，首先是PRML：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-75b36efb9c3f4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&266& data-rawheight=&359& class=&content_image& width=&266&&&/figure&&p&此书深厚，内容全面，涵盖了有监督学习，无监督学习的主要方法，理论推导和证明详细深入，是机器学习的经典。此外还有模式分类这本书，在这里不详细介绍。&/p&&p&深度学习目前最权威的教程是下面这本书：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d0daf03f8b6f3d7bf66cc4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&407& data-rawheight=&593& class=&content_image& width=&407&&&/figure&&p&它涵盖了深度学习的方方面面，从理论到工程，但美中不足的是对应于介绍的相对较少。&/p&&p&强化学习是机器学习很独特的一个分支，大多数人对它不太了解，这方面的教程非常少，我们推荐下面这本书：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ea4bdf4653bdc9dcc5622_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&287& data-rawheight=&380& class=&content_image& width=&287&&&/figure&&p&美中不足的是这本书对深度强化学习没有介绍，因为出版的较早。不知最新的版本有没有加上这方面的内容。&/p&&p&在这里需要强调的是，你的知识要系统化，有整体感。很多同学都感觉到自己学的机器学习太零散，缺乏整体感。这需要你多思考算法之间的关系，演化历史之类的问题，这样你就做到胸中有图-机器学习算法地图。其实，SIGAI在之前的公众号文章“&a href=&https://link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfc8cc8de313bdb61dcd39c1dedb240a4%26chksm%3Dfdb69aedcac113fb4b18cded50bade0e66b26f332ab247bff2a3c0%5Cl%rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习算法地图&/a&”里已经给你总结出来了。&/p&&h2&开源库&/h2&&p&上面介绍了机器学习和深度学习的理论教材，下面来说实践问题。我们无需重复造车轮子，熟练的使用主流的开源库是需要掌握的一项技能。对于经典的机器学习，常用的库的有:&/p&&blockquote&libsvm&br&liblinear&br&XGBoost&br&OpenCV&br&HTK&br&Weka&/blockquote&&p&在这里我们不一一列举。借助于这些库，我们可以方便的完成自己的实验，或是研发自己的产品。对于深度学习，目前常用的有：&/p&&blockquote&Caffe&br&TensorFlow&br&MXNet&/blockquote&&p&除此之外，还有其他的。对于你要用到的开源库，一定要理解它的原理，以及使用中的一些细节问题。例如很多算法要求输入的数据先做归一化，否则效果会非常差，而且面临浮点数溢出的问题，这些实际经验需要你在使用中摸索。如果有精力把这些库的核心代码分析一遍，你对实现机器学习算法将会更有底气。以深度学习为例，最核心的代码无非是实现：&/p&&blockquote&各种层，包括它们的正向传播和反向传播&br&激活函数的实现&br&损失函数的实现&br&输入数据的处理&br&求解器，实现各种梯度下降法&/blockquote&&p&这些代码的量并不大，沉下心来，我相信一周之内肯定能分析完。看完之后你会有一种豁然开朗的感觉。&/p&&h2&应用方向的知识&/h2&&p&接下来是各个方向的知识，与机器学习有关的应用方向当前主要有：&/p&&blockquote&机器视觉&br&语音识别 &br&自然语言处理&br&数据挖掘&br&知识图谱&br&推荐系统&/blockquote&&p&除此之外，还有其他一些特定小方向，在这里不一一列举。这些具体的应用方向一般都有自己的教材，如果你以后要从事此方向的研究，系统的学习一遍是必须的。&/p&&h2&实践经验与思考&/h2&&p&在说完理论与实践知识之后，最后我们来说经验与思考。在你确定要做某一个方向之后，对这个方向的方法要有一个全面系统的认识，很多方法是一脉相承的，如果只追求时髦看最新的算法，你很难做出学术上的创新，以及工程上的优化。对于本问题所有的经典论文，都应该化时间细度，清楚的理解它们解决了什么问题，是怎么解决的，还有哪些问题没有解决。例如：&/p&&p&机器视觉目标检测中的遮挡问题&/p&&p&推荐系统中的冷启动问题&/p&&p&自然语言处理中文分词中的歧义切分问题&/p&&p&只有经过大量的编程和实验训练，以及持续的思考，你才能算得上对这个方向深刻理解，以至于有自己的理解。很多同学对自己实现轮上的算法没有底气，解决这个问题最快的途径就是看论文算法的开源代码，在github上有丰富的资源，选择一些合适的，研究一下别人是怎么实现的，你就能明白怎么实现自己的网络结构和损失函数，照葫芦画瓢即可。&/p&&p&计算机以及人工智能是一个偏实践的学科，它的方法和理论既需要我们有扎实的理论功底，又需要有丰富的实践能力与经验。这两个方面构成了算法工程师最主要的素质。科学的学习路径能够让你取得好的学习效果，同时也缩短学习时间。错误和浮躁的做法则会让你最后事倍功半。这是SIGAI对想进入这个领域，或者刚进入这个领域的每个人要说的！&/p&&p&&br&&/p&&p&推荐阅读&/p&&p&[1] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dc6e7c4a2e14aeb60f155ac%26chksm%3Dfdb69caecac115be526e99a3f6976fdaa2f6b6a07ccb57b40c40ae3%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习-波澜壮阔40年&/a& SIGAI .&/p&&p&[2] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D1e7cac73e15691fe17aec%26chksm%3Dfdb69cd6cac115c05f1f90bae9be074ac0dc134e2d60fd64%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&学好机器学习需要哪些数学知识？&/a&SIGAI .&/p&&p&[3] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D9fef4cc9f8d40cc71a6e%26chksm%3Dfdb69cd9cac115cf4ebab64c75e1e55a40bfc28f00c6ff0aa%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人脸识别算法演化史&/a& SIGAI .&/p&&p&[4] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D237c52bc9ddfebchksm%3Dfdb69cc4cac115d2ca505e0debaffea75c9fef458fd3aca2%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&基于深度学习的目标检测算法综述&/a& SIGAI .&/p&&p&[5] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfcd09f910e%26chksm%3Dfdb69c3fcacdd0d677dc1bdeb5bbc0aa154escene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&卷积神经网络为什么能够称霸计算机视觉领域？&/a&
SIGAI .&/p&&p&[6] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D84a5acf12ed456c414c12%26chksm%3Dfdb69fb6cac116a02dc68d1a4ae2b6c3d224d9dab21d0f2fccb329%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&用一张图理解SVM的脉络 &/a& SIGAI .&/p&&p&[7] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Da3a5b3f654achksm%3Dfdb69fb9cac116af5dd237cf987e56d12b0d2e54c5c565aab752f3e366c0c45bfefa76f5ed16%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人脸检测算法综述&/a&
SIGAI .&/p&&p&[8] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D401b211bf72bc70f733d6ac90f7352cc%26chksm%3Dfdb69fdecac116c81aad9e5adaeaf07dc651d2c1473c52fadscene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解神经网络的激活函数&/a& SIGAI .&/p&&p&[9] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D13ad0d521b6a950b41f4%26chksm%3Dfdb69f12cac11604a42ccba11c65a8daeba1aed570a751cb400d276b6%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度卷积神经网络演化历史及结构改进脉络-40页长文全面解读&/a& SIGAI .&/p&&p&[10] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D4eda0afff1a8%26chksm%3Dfdb69f58cacbdb38d26ebcb7ca5a8de7b9bb%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解梯度下降法&/a& SIGAI .&/p&&p&[11] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D0fc55aa1ae64d7dbfa23d%26chksm%3Dfdb69e01cac1fcde17bd3e826bf654bd0%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&循环神经网络综述—语音识别与自然语言处理的利器&/a& SIGAI &/p&&p&[12] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D4fa8c71ae9cb777d6e97ebd0ddchksm%3Dfdb69980cacca8dc7945606eeefeb21b4f5bdb434fb56f92%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解凸优化&/a&
SIGAI &/p&&p&[13] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D4f3a6ce21cdd1a048e402ed05c9ead91%26chksm%3Dfdb699d8cac110ce53f4fc5e417e107fd3cbf640c6ffb4e7f6ee02f9%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【实验】理解SVM的核函数和参数&/a& SIGAI &/p&&p&[14] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dddaa70c4b92f6005d9bbd6b3a3fe4571%26chksm%3Dfdb699fccac110ea14e6adeb873a00d6ee86dd4145ddf8e90c9b878b908ac7b7655cfa51dab6%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【SIGAI综述】行人检测算法&/a& SIGAI &/p&&p&[15] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3De1e18ad800f7fchksm%3Dfdb699ebcac110fdbc7ebedbc454b63d7f274f7e61ca5187%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习在自动驾驶中的应用—以百度阿波罗平台为例&/a&(上) SIGAI &/p&&p&[16] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Da0e4ca5edb868fe3eae03%26chksm%3Dfdb6997ccacfe9f8fdd13f6c75c2cbbf1a7c94c58bcdf5f2a6661facd%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解牛顿法&/a& SIGAI &/p&&p&[17] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Df5c9f92c272c7f%26chksm%3Dfdb69965caccaef5d7ba363d9ef7f3d1b9bcd2bca7b7b%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【群话题精华】5月集锦—机器学习和深度学习中一些值得思考的问题 &/a&SIGAI &/p&&p&[18] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D9b389aadddf17c601afbee1%26chksm%3Dfdb69883cac4e94c3b71aa68de67bda8a946c1f9f9ef0bf18fed99b8%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大话Adaboost算法&/a& SIGAI &/p&&p&[19] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbb4f54daa%26chksm%3Dfdb698b0cac111ab6f7cfad2342dbaaf624b4e9dcc43c0d85ae06deb%26scene%3D21%5Cl%wechat_redirect%5Ct%_blank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&FlowNet到FlowNet2.0：基于卷积神经网络的光流预测算法&/a& SIGAI &/p&&p&[20] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Db2c0d56bbc%26chksm%3Dfdb698c5cac111d3e3dca24c50aafbfb61e5b05c5df5bedec8db46b24%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解主成分分析(PCA)&/a& SIGAI &/p&&p&[21] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dceafbae457ad392b9f89c%26chksm%3Dfdb698e7cac111f13d8229d7dcc00b4ada1bd41e7ecc1d29bfa7be520d205c53e9%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人体骨骼关键点检测综述&/a&
SIGAI &/p&&p&[22] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D043d7d0159baaddfbf92ed78ee5b1124%26chksm%3Dfdb6980ccac1111a9faeae7f517fee46a1dfab19612f76ccfef090ab8fc702d18b8%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解决策树&/a& SIGAI &/p&&p&[23] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D2c4db22fbaf99d%26chksm%3Dfdb6982ccacbe325bb07a947d75f3b50e11e1abd809fb7358bde16%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&用一句话总结常用的机器学习算法&/a& SIGAI &/p&&p&[24] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dc02ee17ead63echksm%3Dfdb6987acacec28424baf4ea16ca11d2b13f20d4a825d7b2b82fb8765720ebd1063%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&目标检测算法之YOLO&/a& SIGAI &/p&&p&[25] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dc28b7f07cef90e9dbe3ad1%26chksm%3Dfdb69b8dcacfca1d550e2b1c73b280d4e529f9f93cea2%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解过拟合&/a& SIGAI &/p&&p&[26] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Ddchksm%3Dfdb69ba2cac112b4dac620d52100ebd033eb679f97c4dccscene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解计算：从√2到AlphaGo ——第1季 从√2谈起&/a& SIGAI &/p&&p&[27] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D0d4fb43b8db2acfcbf3f478%26chksm%3Dfdb69bdacac112cce05c8b735b4f8b1ccf2348bea55a30afbb8f1ffd0f819bd2%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&场景文本检测——CTPN算法介绍&/a&
SIGAI &/p&&p&[28] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dcdcf8d4b07acf64c7a6f5f7c1a731a12%26chksm%3Dfdb69be5cac112fafbc58d94cf6af61ee5a4bd1bf6cscene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&卷积神经网络的压缩和加速&/a& SIGAI &/p&&p&[29] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D0ebf1bf8f49e9c4d04c95d%26chksm%3Dfdb69b05cacc70afcccfa5fcdb246b3b2decbc80a180abb3%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&k近邻算法&/a& SIGAI &/p&&p&[30] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dc0e01da30eb5e750be453eabe4be2bf4%26chksm%3Dfdb69b41cac1dac395e9651dab628fc35dd6d3c02df5f2b%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&自然场景文本检测识别技术综述&/a& SIGAI &/p&&p&[31] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D990cce9fef0a261e6add2a%26chksm%3Dfdb69b74cac112628bdae14cfece20dae9bf7b1ffc8b8b25efeca0a72%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解计算：从√2到AlphaGo ——第2季 神经计算的历史背景&/a& SIGAI &/p&&p&[32] &a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfc8cc8de313bdb61dcd39c1dedb240a4%26chksm%3Dfdb69aedcac113fb4b18cded50bade0e66b26f332ab247bff2a3c0%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习算法地图&/a& SIGAI&/p&&p&[33]
&a href=&https://link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D57d7dc4ea2c6ee8018cc%26chksm%3Dfdb69591cac11cabe43cf0fa845e5ca2713dae%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&反向传播算法推导-全连接神经网络&/a& SIGAI &/p&&p&[34]
&a href=&https://link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s%3F__biz%3DMzU4MjQ3MDkwNA%3D%3D%26mid%3D%26idx%3D1%26sn%3D213f48c4e55bee688cf2c%26chksm%3Dfdb695f8cac11ceef3ef246c54d811dd64d8cc45fcaa95f72c1abfb5%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生成式对抗网络模型综述 SIGAI&/a&&/p&&p&&br&&/p&&p&&br&&/p&&p&原创声明：本文为 SIGAI 原创文章，仅供个人学习使用，未经允许，不得转载，不能用于商业目的。 &/p&&p&&/p&&p&&/p&&p&&/p&
原创声明：本文为 SIGAI 原创文章，仅供个人学习使用，未经允许，不得转载，不能用于商业目的。 怎样成为一名优秀的算法工程师？这是很多从事人工智能学术研究和产品研发的同学都关心的一个问题。面对市场对人才的大量需求与供给的严重不足，以及高薪水的诱…
&h2&&b&目录&/b&&/h2&&ul&&li&&b&引言&/b&&/li&&li&&b&测试环境&/b&&/li&&li&&b&创建虚拟环境&/b&&/li&&li&&b&安装CUDA（9.0）、cuDNN（v7.1）&/b&&/li&&li&&b&安装tensorflow-gpu及配套模块&/b&&/li&&li&&b&CPU与GPU实测比较（矩阵运算、cifar-10的CNN）&/b&&/li&&li&&b&常见问题&/b&&/li&&/ul&&p&&b&（不想看废话的，直接拖到最后看结果 ）&/b&&/p&&h2&&b&引言&/b&&/h2&&p&我是新手一枚 ，完全没使用过tensorflow，最近开始入坑，电脑中本身就有anaconda 5.0，已经装了CPU版本的tensorflow，后来听老师说可以用GPU跑，会比CPU快好几倍，好奇心趋势，真的快很多吗？会快多少？我的小米pro带着个轻薄本专用的MX150显卡能跑吗？于是我直接上网搜索“小米pro跑深度学习”，还真有前辈有测试过，不过没有教程 &/p&&a href=&http://link.zhihu.com/?target=http%3A//www.mamicode.com/info-detail-2280461.html& data-draft-node=&block& data-draft-type=&link-card& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&小米笔记本pro CPU GPU 做科学计算的算力对比&/a&&p&在查了一些资料后，发现好像要装很多东西，还很难装的感觉，刚开始只能在角落瑟瑟发抖、不敢行动。后来还是忍不了，初生牛犊不怕虎，所以就去尝试&b&再多装一个tensorflow的GPU版本（要装虚拟环境）&/b&，去实测到底快多少，看看我的小米pro到底有多pro，捣鼓了一天左右，一边看书，一边还查了挺多网上资料。&/p&&p&刚开始去查发现挺多都是比较旧的文章或者不适合用的教程，挺多用的CUDA都是8.0，要不是就用的win7、Linux系统，没有可以直接用的教程，就想自己写一个，也可以给班里同学直接用，辛苦也值得，于是乎就有了这篇小白经验帖 。&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ca2a9fc1ad93aa84ad7ffa_b.jpg& data-size=&normal& data-rawwidth=&1724& data-rawheight=&665& class=&origin_image zh-lightbox-thumb& width=&1724& data-original=&https://pic3.zhimg.com/v2-ca2a9fc1ad93aa84ad7ffa_r.jpg&&&figcaption&最后电脑中有两个anaconda（CPU版本与GPU版本），实质上一个是装在名为“tensorflow-gpu”的虚拟环境中，另一个在base中，两个都一样的，我自己加以区别罢了&/figcaption&&/figure&&p&&br&&/p&&p&新手入门嘛，没经验，刚开始我是看舍友买的&b&《Tensorflow+Keras深度学习人工智能实践应用》-林大贵前辈这本书，&/b&看关于tensorflow的GPU版本如何安装，前面没什么问题，后来遇到很多瓶颈，就上网去查去找。&/p&&p&&b&主要参考：&/b&&/p&&a href=&http://link.zhihu.com/?target=https%3A//blog.csdn.net/XCCCCZ/article/details/& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic2.zhimg.com/v2-aaddceef592e516efeea9_180x120.jpg& data-image-width=&1302& data-image-height=&645& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本 - CSDN博客&/a&&p&下面这篇，是我写这篇小白文章的时候看到的，我觉得对大家有用的：&/p&&a href=&http://link.zhihu.com/?target=https%3A//blog.csdn.net/ccnucb/article/details/& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic3.zhimg.com/v2-e42b7a2d7a77fec1cde0ae_180x120.jpg& data-image-width=&720& data-image-height=&332& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&用GPU加速深度学习: Windows安装CUDA+TensorFlow教程&/a&&blockquote&这篇用的是CUDA8.0，2018年4月份写的，挺新挺完整的技术贴。&br&不太懂的就是，我没按照他说的安装VS，也不会出现CUDA编译出错。&/blockquote&&p&后来我才发现，我隔壁宿舍的&b&小问（七牛云，&a href=&http://link.zhihu.com/?target=https%3A//github.com/iwillwen& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&小问的Github&/a&）&/b&，以前帮我装过VS2017，里面装了C++环境，我感觉是这个原因，所以你们还是要安装VS2017（参考上面的技术参考链接）。&/p&&p&&br&&/p&&h2&&b&测试环境&/b&：&/h2&&p&操作系统：Windows10&/p&&p&重点：&b&Tensorflow 1.8 + CUDA 9.0 + cuDNN v7.1 for CUDA9.0&/b&&/p&&p&GPU：&b&MX150 &/b&（小米笔记本Pro i7-6G）&/p&&p&软件：Anaconda 5.2、python 3.6.1（均在创建的虚拟环境）&/p&&p&备注：之前就已经装了Anaconda 5.0（base），装了CPU版本的tensorflow1.8&/p&&p&&br&&/p&&p&&b&实践的具体过程：&/b&&/p&&ul&&li&&b&创建虚拟环境&/b&&/li&&li&&b&确认GPU是否支持CUDA&/b&&/li&&li&&b&安装CUDA（9.0版本）、cuDNN（v7.1 for CUDA 9.0）&/b&&/li&&li&&b&安装tensorflow-gpu及配套模块&/b&&/li&&li&&b&CPU与GPU实测比较（矩阵运算、cifar-10训练）&/b&&/li&&/ul&&p&&br&&/p&&p&遇到挺多坑的，最麻烦的地方就是以下三个：&/p&&ol&&li&首先，要明确好工作路径、安装好虚拟环境，保证与现有的anaconda不冲突，后续就一点难度没有&/li&&li&其次，安装tensorflow-gpu过程中的各种问题（实质是tensorflow-gpu与CUDA、cuDNN的配套关系问题）&/li&&li&最后，默认安装的h5py与numpy不兼容，需要手动安装2.8的h5py或者降低numpy版本（实测前者好用）&/li&&/ol&&p&&br&&/p&&p&&b&一、创建虚拟环境&/b&&/p&&p&1、创建并设置工作环境&/p&&p&在搜索框输入&命令提示符&，右键点击以管理员身份运行，如图所示：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-67e11e8c551b87a62d8264afb8aca7bb_b.jpg& data-size=&small& data-rawwidth=&1258& data-rawheight=&1480& class=&origin_image zh-lightbox-thumb& width=&1258& data-original=&https://pic4.zhimg.com/v2-67e11e8c551b87a62d8264afb8aca7bb_r.jpg&&&figcaption&在搜索框输入命令提示符，右键点击以管理员身份运行&/figcaption&&/figure&&p&创建一个名为pythonwork的工作目录，在这个工作目录下需要进行后续操作，创建工作目录是为了后续不会发生冲突.&/p&&ul&&li&输入&cd \pythonwork&进入工作目录&/li&&/ul&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span& md \pythonwork
cd \pythonwork
&/code&&/pre&&/div&&figure&&img src=&https://pic2.zhimg.com/v2-fd8f9ffadc605e47ac6dfe570e27fff9_b.jpg& data-size=&normal& data-rawwidth=&514& data-rawheight=&205& class=&origin_image zh-lightbox-thumb& width=&514& data-original=&https://pic2.zhimg.com/v2-fd8f9ffadc605e47ac6dfe570e27fff9_r.jpg&&&figcaption&我已经创建过工作目录就不创建了，直接进入工作目录&/figcaption&&/figure&&p&2、创建Anaconda的虚拟环境&/p&&blockquote&创建一个名为“tensorflow-gpu”的anaconda环境（这里的名字其实起的不好，可能容易大家跟tensorlfow-gpu这个模块混淆了，你们自己起一个名字最好），至于python的版本，我先是python --version查看现用版本的python，我选择了和我原来anaconda一致的python 3.6.1版本.&/blockquote&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span& conda create --name tensorflow-gpu python=3.6.1 anaconda
&/code&&/pre&&/div&&p&这是在线安装anaconda，如果太慢的话，或者失败，可以选择换成清华的镜像，&a href=&http://link.zhihu.com/?target=https%3A//blog.csdn.net/wyx100/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&参考请点这里&/a&，成功后会提示成功，我具体就没截图了.&/p&&p&3、成功后启动Anaconda虚拟环境&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span& activate tensorflow-gpu
&/code&&/pre&&/div&&p&前面出现前缀（tensorflow-gpu），表示成功进入了名为“tensorflow-gpu”这个我们刚刚创建的anaconda虚拟环境.&/p&&figure&&img src=&https://pic4.zhimg.com/v2-592e6907_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&473& data-rawheight=&238& class=&origin_image zh-lightbox-thumb& width=&473& data-original=&https://pic4.zhimg.com/v2-592e6907_r.jpg&&&/figure&&p&&br&&/p&&p&&b&二、安装CUDA、cuDNN&/b&&/p&&p&这一步最主要要考虑版本配套问题，后面安装的是最新的tensorflow 1.8，所以我最终选择了&b&CUDA 9.0 + cuDNN v7.1 for CUDA9.0.&/b&&/p&&blockquote&&b&注意：主要是cuDNN的下载比较麻烦&/b&，需要注册账号并且登陆，还要加入开发者计划什么的，所以这里我直接把我下载好的放在云，你们自行下载，&b&&a href=&http://link.zhihu.com/?target=https%3A//pan.baidu.com/s/1IWRj7IuRqMBwtTSp2SI3Fw& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&链接在这里，密码：3efp&/a&&/b&，不用说谢谢！不用客气！&/blockquote&&p&&br&我当初去NVIDA官网下载的CUDA是9.2的，cuDNN也是配套9.2的，最后在安装完tensorflow-gpu，进行加载的时候，会提示找不到&cudart64_90.dll&.&/p&&p&后来我才发现，我后面安装的那个tensorflow-gpu是1.8版本，这个版本需要与CUDA9.0 + cuDNN 7.1一起用，不能和目前NVIDA官网最新的CUDA 9.2一起用.&/p&&p&&br&&/p&&p&1、先确认你的显卡是否支持 CUDA，上英伟达官网去查看&/p&&a href=&http://link.zhihu.com/?target=https%3A//developer.nvidia.com/cuda-gpus& data-draft-node=&block& data-draft-type=&link-card& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CUDA GPUs&/a&&p&2、下载、安装CUDA 9.0&/p&&a href=&http://link.zhihu.com/?target=https%3A//developer.nvidia.com/cuda-90-download-archive& data-draft-node=&block& data-draft-type=&link-card& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CUDA Toolkit 9.0 Downloads&/a&&p&选择9.0的CUDA的exe（network），比较小，但是后续要联网，保证网络就好，具体如下图。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-a8f714da6eebac8cca726c3a059ad688_b.jpg& data-size=&normal& data-rawwidth=&1100& data-rawheight=&903& class=&origin_image zh-lightbox-thumb& width=&1100& data-original=&https://pic1.zhimg.com/v2-a8f714da6eebac8cca726c3a059ad688_r.jpg&&&figcaption&这里选择的是在线安装，选择exe(network)，点击Base installer下的download&/figcaption&&/figure&&p&&br&&/p&&p&下载完就安装，最好一路点确定，安装在默认路径C盘→检查系统兼容性→许可协议“接受”→&b&选择“自定义安装”，点开&+&，把Visual Studio Integration的勾选去掉&/b&，否则容易出错（若需要VS的，再另外自己去装），具体参考如下图：（或者&a href=&http://link.zhihu.com/?target=https%3A//blog.csdn.net/XCCCCZ/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&点击参考这篇&/a&）&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-b9b705eaf7ef55c0c653b9_b.jpg& data-size=&normal& data-rawwidth=&567& data-rawheight=&254& class=&origin_image zh-lightbox-thumb& width=&567& data-original=&https://pic2.zhimg.com/v2-b9b705eaf7ef55c0c653b9_r.jpg&&&figcaption&建议安装在默认路径，方便查找&/figcaption&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-258d97bb7f5e75a36cd4bac96ef35cc0_b.jpg& data-size=&normal& data-rawwidth=&745& data-rawheight=&553& class=&origin_image zh-lightbox-thumb& width=&745& data-original=&https://pic1.zhimg.com/v2-258d97bb7f5e75a36cd4bac96ef35cc0_r.jpg&&&figcaption&检查系统兼容性 → 许可协议“接受”→ 选择“自定义安装”，点开+号，把Visual Studio Integration的勾选去掉 → 安装即可&/figcaption&&/figure&&p&3、下载、安装cuDNN&/p&&p&上面我给过我自己下载好的打包链接，如果失效，就上官网自行下载吧（注册、登陆、加入开发自计划balabala......）如下：&/p&&a href=&http://link.zhihu.com/?target=https%3A//developer.nvidia.com/cudnn& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic2.zhimg.com/v2-f1c1bad314cbcb1_ipico.jpg& data-image-width=&900& data-image-height=&900& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&NVIDIA cuDNN&/a&&p&&b&注意：&/b&选择cuDNN的v7.1 for CUDA 9.0下载&/p&&ul&&li&CUDA 9.0的默认路径是&/li&&/ul&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\
&/code&&/pre&&/div&&ul&&li&把cudnn-9.0-windows10-x64-v7.1.zip解压后，把bin，include，lib里面的文件(共三个)分别拷贝到&/li&&/ul&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\
&/code&&/pre&&/div&&p&下的bin,include,lib目录下即可。&/p&&p&&br&&/p&&p&3、配置环境变量&/p&&p&网上有两种说法，我就两种都配置了，不然电脑找不到CUDA和cuDNN在哪里&/p&&blockquote&C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64&br&C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0&/blockquote&&p&&br&&/p&&p&&b&三、安装tensorflow-gpu&/b&&/p&&p&1、安装tensorflow-gpu版本&/p&&p&要进入刚刚创建的工作目录中，启动anaconda虚拟环境，可以避免不必要的环境冲突。安装的各种方法参考如下：&/p&&ul&&li&方法一：pip3 install --upgrade tensorflow-gpu
（实测成功）&/li&&li&方法二：下载tensorflow-gpu的离线安装包，再自行安装，&a href=&http://link.zhihu.com/?target=https%3A//www.jianshu.com/p/c245d46d43f0& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&参考这里&/a&&/li&&/ul&&p&如果网络ok，建议方法一，可以避免很多问题.&/p&&p&&br&&/p&&blockquote&试过直接用pip install tensorflow-gpu，会老是网络连接超时，或者报错会提示让你升级pip10（这只是表面），实质上好像是没有管理员权限（前面用管理员权限打开命令提示符就是处于这个考虑），我还试过设置网络重连设置为100秒，最后也没成功，忘记代码了，反正也没成功就没去贴上来了。&/blockquote&&p&&br&&/p&&p&2、加载tensorflow-gpu模块&/p&&ul&&li&①win键+r，输入cmd，打开命令提示符&/li&&li&②进入工作目录，比如我的是&cd \python&&/li&&li&③输入“activate tensorflow-gpu”以此进入虚拟环境&/li&&li&④输入“python”以此打开python&/li&&li&⑤输入“import tensorflow-gpu”，看看能不能成功导入&/li&&/ul&&p&过程如下：&/p&&a class=&video-box& href=&http://link.zhihu.com/?target=https%3A//www.zhihu.com/video/880960& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic4.zhimg.com/80/v2-0cd4aa2c77f87_b.jpg& data-lens-id=&880960&&
&img class=&thumbnail& src=&https://pic4.zhimg.com/80/v2-0cd4aa2c77f87_b.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/880960&/span&
&blockquote&若失败，具体看报错内容，通常是CUDA和cuDNN没有配置好环境变量，导致它找不到，我当时加载成功，但是会有测试报错一，见最下文，解决即可。当你的CUDA、cuDNN文件配置都成功，环境变量都正确，才会加载成功。&/blockquote&&p&&br&&/p&&h2&&b&四、CPU与GPU实测比较&/b&&/h2&&p&这里选择了jupyter notebook进行测试（也可以打开spyder，随意），用的是《Tensorflow+Keras深度学习人工智能实践应用》上的GPU测试代码（一起放在了上面的云盘链接中），通过同时调用CPU和GPU依次进行不同大小的矩阵计算，来比较运算时间。&/p&&p&&b&一切准备就绪！这时候就开始进行简单的GPU测试，看看跟CPU差别有多大。&/b&&/p&&p&&br&&/p&&p&&b&1、具体实操过程&/b&&/p&&p&进入jupyter notebook进行测试，&/p&&ul&&li&①win键+r，输入cmd，打开命令提示符&/li&&li&②进入工作目录，比如我的是&cd \python&&/li&&li&③输入“activate tensorflow-gpu”以此进入虚拟环境&/li&&li&④输入“jupyter notebook”以此打开jupyter notebook&/li&&li&⑤打开测试文件Test-GPU.ipynb，依次运行即可&/li&&/ul&&p&因为上传知乎好久，我就放在优酷上了，&b&完整过程请点击下边链接：&/b&&/p&&a href=&http://link.zhihu.com/?target=https%3A//v.youku.com/v_show/id_XMzY3ODM3NTYwOA%3D%3D.html%3Fspm%3Da2h3j.6059.1& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic3.zhimg.com/v2-9b3ffae1a_180x120.jpg& data-image-width=&448& data-image-height=&252& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&小米笔记本pro跑GPU与CPU科学计算测试比较&/a&&p&抽空放了上来，跟上面视频链接内容一样的.&/p&&a class=&video-box& href=&http://link.zhihu.com/?target=https%3A//www.zhihu.com/video/575360& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic1.zhimg.com/80/v2-ea2d16cf241a3ba95e0d8dd0_b.jpg& data-lens-id=&575360&&
&img class=&thumbnail& src=&https://pic1.zhimg.com/80/v2-ea2d16cf241a3ba95e0d8dd0_b.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/575360&/span&
&p&&br&&b&2、简单测试的结果展示&/b&&/p&&p&每一轮分别调用CPU和GPU依次进行不同大小的矩阵计算（0-9000），以此比较运算时间，耗时越短说明运算更快。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-5fc5b8f74cdb8f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&587& data-rawheight=&767& class=&origin_image zh-lightbox-thumb& width=&587& data-original=&https://pic3.zhimg.com/v2-5fc5b8f74cdb8f_r.jpg&&&/figure&&p&&br&别问我怎么不尝试10000大小的矩阵运算，下面这张图就是后果！我这小电脑的MX150算不了啊，会崩，提示：&b&内核似乎已经死亡。它会自动重新启动。&/b&后（等下！jupyter notebook是打错了吗？&b&是died？？不应该是dead嘛？？&/b&）---已修改见后文&/p&&figure&&img src=&https://pic4.zhimg.com/v2-169ef8ba4b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1307& data-rawheight=&559& class=&origin_image zh-lightbox-thumb& width=&1307& data-original=&https://pic4.zhimg.com/v2-169ef8ba4b_r.jpg&&&/figure&&p&&br&我记得那本书的作者，测试用的是台式机的GT750，最多到6000就不行了，我这台小米pro的MX150能到9000，好像还可以了 。&/p&&p&&br&&/p&&p&&b&下面把结果绘制成图，更加直观&/b&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-2afb75e7d8db0c36f160_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&522& data-rawheight=&682& class=&origin_image zh-lightbox-thumb& width=&522& data-original=&https://pic1.zhimg.com/v2-2afb75e7d8db0c36f160_r.jpg&&&/figure&&p&&b&结果一目了然，通过这个比较简单的测试发现&/b&&/p&&ul&&li&&b&GPU始终会比CPU运行快，在前2000大小的矩阵运算中，几乎没什么差别，GPU只领先一丢丢&/b&&/li&&li&&b&在运行较大的矩阵计算时（&2000），差别就非常明显了，看最后一个9000的矩阵计算结果，表明GPU比CPU不是快那么一点点，是快很多！&/b&&/li&&/ul&&blockquote&&b&我放在链接中的.ipnb那份中，GPU耗时更短.&/b&&/blockquote&&p&&br&&b&3、实测训练cifar-10模型&/b&&/p&&p&Cifar-10数据集一共有60000张训练图片、10000张测试图片，共十类，如：飞机、汽车、鸟、青蛙、猫、狗、马、卡车、船等等，相信大家对这个数据集都很熟悉，就不多说了.&/p&&a href=&http://link.zhihu.com/?target=http%3A//www.cs.toronto.edu/%7Ekriz/cifar.html& data-draft-node=&block& data-draft-type=&link-card& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&多伦多大学Cifar-10数据集详情&/a&&p&&b&这里以训练同一个卷积神经网络模型作为比较，训练总参数量为134万，具体结构和参数如下：&/b&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7c08369bace06de8687aa_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&596& data-rawheight=&683& class=&origin_image zh-lightbox-thumb& width=&596& data-original=&https://pic3.zhimg.com/v2-7c08369bace06de8687aa_r.jpg&&&/figure&&p&&br&&/p&&p&&b&使用CPU训练cifar-10图像识别模型，结果如下：&/b&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ffd4acbba1f_b.jpg& data-size=&normal& data-rawwidth=&920& data-rawheight=&656& class=&origin_image zh-lightbox-thumb& width=&920& data-original=&https://pic4.zhimg.com/v2-ffd4acbba1f_r.jpg&&&figcaption&CPU：耗时6小时8分钟&/figcaption&&/figure&&p&&br&&b&使用GPU训练Cifar-10图像识别模型，结果如下：&/b&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8bc896ea596a3606afbcb4ef52b34f54_b.jpg& data-size=&normal& data-rawwidth=&905& data-rawheight=&412& class=&origin_image zh-lightbox-thumb& width=&905& data-original=&https://pic1.zhimg.com/v2-8bc896ea596a3606afbcb4ef52b34f54_r.jpg&&&figcaption&GPU：耗时1小时12分钟&/figcaption&&/figure&&p&&b&CPU训练结果：耗时约6小时08分，验证集的准确率为86.22%，&/b&&/p&&p&&b&GPU训练结果：耗时约1小时12分，验证集的准确率为90.58%.&/b&&/p&&p&&b&同样的条件下，耗时更短、验证集的准确率更高！&/b&&/p&&blockquote&这个对比实在是悬殊，CPU我跑了一个晚上才跑完，GPU我就吃了个饭，就跑完了。所以，试想一下，以后我们这些小白自己在瞎转程序的时候，是不是能够省下更多时间呢？还不赶紧换GPU运行！&/blockquote&&p&&br&&/p&&h2&&b&常见的其他问题&/b&&/h2&&p&&b&测试报错一：&/b&（引入tensorflow时报警告），警告内容如下：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span& FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
from ._conv import register_converters as _register_converters
&/code&&/pre&&/div&&p&&br&&/p&&p&参考网上案例：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//blog.csdn.net/u/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&导入tensorflow错误：FutureWarning:Conversion of the second argument of issubdtype from `float`省略&/a&&/p&&p&原因：h5py 2.7对最新1.4的numpy不支持&/p&&p&&br&&/p&&p&解决方案：conda list 查看我们的numpy版本和h5py的版本（numpy显示有两个，一个1.13.1和1.14.5&pip&，懵逼脸。h5py是2.7.0）&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&conda install h5py==2.8.0
&/code&&/pre&&/div&&p&装完再去看看conda list，确认装成功了（完美解决）&/p&&p&&br&&/p&&p&其他方案：尝试过conda install numpy==1.3.0和pip install numpy==1.13.0，降低numpy版本至1.13.0，结果全部报错，大致都是在说装不进去，忘记截图&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&测试报错二：&/b&（运行第一个测试文件的时候没问题，后面我另外开了一个ipynb想去试一下别的，就报错了），报错内容如下：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&InternalError (see above for traceback): Blas GEMM launch failed
&/code&&/pre&&/div&&p&&br&&/p&&p&参考网上案例：&a href=&http://link.zhihu.com/?target=https%3A//www.cnblogs.com/ZhengPeng7/p/7837322.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tensorflow+InternalError: Blas GEMM launch failed&/a&&/p&&p&原因：GPU被上一次的session占用了，但是又没有退出，导致空间不够（去任务管理器看GPU占用确实如此）&/p&&p&&br&&/p&&p&解决方案：&/p&&p&（目前）最好还是尽可能使用上下文管理器吧, 不适合用的地方记得手动close(). shutdown kernel or 重启计算机 亦可释放归还。最后实测，把jupyter关了，过一会他就释放GPU内存了.&/p&&hr&&p& -------6月23日修改-------&/p&&p&1、修改一下内核提示那部分的小插曲，jupyter notebook没写错，是have died没错，相当于have done.&/p&&p&2、增加了对于cifar-10图像识别的卷积神经网络模型的描述与介绍.&/p&&p&3、把优酷上的那个视频补了进去&/p&&p&4、更换成更加准确的实测结果，因为之前的结果是同时在运行别的软件的，所以GPU有被占用，这次在无别的干扰下，重新测试了一次，实测更加快.&/p&
目录引言测试环境创建虚拟环境安装CUDA（9.0）、cuDNN（v7.1）安装tensorflow-gpu及配套模块CPU与GPU实测比较（矩阵运算、cifar-10的CNN）常见问题（不想看废话的，直接拖到最后看结果 ）引言我是新手一枚 ，完全没使用过tensorflow，最近开始入坑，…
&p&前段时间回答了：&/p&&a href=&https://www.zhihu.com/question//answer/& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic1.zhimg.com/v2-dbe13be9a0ce7abd930b3bc_ipico.jpg& data-image-width=&640& data-image-height=&712& class=&internal&&有哪些若平时不加注意，积累后将产生严重后果的小习惯？&/a&&p&里面提到了&b&低头玩手机等于头顶可乐，时间久了会导致「乌龟颈」&/b&，也就是&b&脖子前倾。&/b&&/p&&p&&br&&/p&&p&然后，收到了不少知友的留言和私信，问「万一已经乌龟颈了可咋整啊」，所以今天专门来说一下。&/p&&p&&br&&/p&&p&脖子前倾，通常是因为&b&背、胸，脖子等部位的肌肉，整体上力量不均衡&/b&导致的。&/p&&p&&br&&/p&&p&如果你发现日常放松状态下，你的&b&耳朵、肩膀&/b&没有处于一条垂直线上，而是出现&b&一个明显的斜角。&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-70cebd61a4e6dd8c7d67c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&456& data-rawheight=&241& class=&origin_image zh-lightbox-thumb& width=&456& data-original=&https://pic2.zhimg.com/50/v2-70cebd61a4e6dd8c7d67c_r.jpg&&&/figure&&p&你大概率是出现了脖子前倾的问题。&/p&&p&&br&&/p&&p&一旦前倾了，可能会导致一个很严重的后果，就是：&b&经常被啪啪啪。&/b&&/p&&p&&br&&/p&&p&&b&一家人整整齐齐&/b&走在路上，突然……啪——！&/p&&p&。&/p&&p&。&/p&&p&。&/p&&p&。&/p&&p&。&/p&&p&。&/p&&p&后背挨了妈妈重重一巴掌。&/p&&p&&br&&/p&&p&通常还会伴随着咆哮：&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-f07d715efda668_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&665& data-rawheight=&450& class=&origin_image zh-lightbox-thumb& width=&665& data-original=&https://pic2.zhimg.com/50/v2-f07d715efda668_r.jpg&&&/figure&&p&不光是你，&b&很多明星估计在家也经常被打。&/b&&/p&&p&&br&&/p&&p&比如说有&b&英伦玫瑰之称的凯拉 · 奈特莉&/b&，侧面看，脖子略有些前伸，不过还不算太严重：&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-3e32a04762fdc97c3add_b.jpg& data-size=&normal& data-rawwidth=&344& data-rawheight=&175& class=&content_image& width=&344&&&figcaption&图片来源：电影《傲慢与偏见》&/figcaption&&/figure&&p&&br&&/p&&p&拥有逆天大长腿的&b&歌坛小天后霉霉&/b&（Taylor Swift），脖子前倾 + 驼背的问题就比较明显了……&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-0a0b5b2fccca449d5c19b_b.jpg& data-size=&normal& data-rawwidth=&645& data-rawheight=&369& class=&origin_image zh-lightbox-thumb& width=&645& data-original=&https://pic3.zhimg.com/50/v2-0a0b5b2fccca449d5c19b_r.jpg&&&figcaption&2013 年格莱美接受采访的截图。&/figcaption&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-89fe1ea66d7e0eefaf5d058a_b.jpg& data-size=&normal& data-rawwidth=&641& data-rawheight=&404& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&https://pic3.zhimg.com/50/v2-89fe1ea66d7e0eefaf5d058a_r.jpg&&&figcaption&图片来源：Giphy.com&/figcaption&&/figure&&p&&br&&/p&&p&连&b&女神奥黛丽 · 赫本&/b&，也曾经被抓拍到了脖子前倾的照片。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-f17e8de29c08ff301ebcc918_b.jpg& data-size=&normal& data-rawwidth=&640& data-rawheight=&825& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/50/v2-f17e8de29c08ff301ebcc918_r.jpg&&&figcaption&1956 年第 28 届奥斯卡。奥黛丽 · 赫本和格蕾丝 · 凯莉经典合影。两大女神的站姿，形成了鲜明对比。&/figcaption&&/figure&&p&&br&&/p&&p&不止女明星，&b&男明星们&/b&如果不注意体态，也会留下姿势不佳的尴尬场景……&/p&&p&&br&&/p&&p&例如电影《搏击俱乐部》里的&b&大帅哥，爱德华 · 诺顿。&/b&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-cae63c5525157cff2bc3e584e15c5147_b.jpg& data-size=&normal& data-rawwidth=&600& data-rawheight=&398& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/50/v2-cae63c5525157cff2bc3e584e15c5147_r.jpg&&&figcaption&电影《搏击俱乐部》剧照。左边的布拉德 · 皮特，站姿挺拔；右边的爱德华 · 诺顿，脖子前伸得很明显。&/figcaption&&/figure&&p&&br&&/p&&p&还有人气很高，争议很大的歌手&b&贾斯汀 · 比伯：&/b&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-ff0e9f0eae36f0c1f6b9ea_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&611& data-rawheight=&362& class=&origin_image zh-lightbox-thumb& width=&611& data-original=&https://pic1.zhimg.com/50/v2-ff0e9f0eae36f0c1f6b9ea_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-651a32c89be98a037c9b3_b.jpg& data-size=&normal& data-rawwidth=&500& data-rawheight=&300& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/50/v2-651a32c89be98a037c9b3_r.jpg&&&figcaption&图片来源：Giphy.com&/figcaption&&/figure&&p&无论国内国外，存在脖子前倾问题的明星，一抓一大把。&/p&&p&&br&&/p&&p&我不是针对谁，只是想通过这些图说明，每天顶着一个 gui 头出门，后果确实很严重。&/p&&p&&br&&/p&&p&&b&不仅会被啪啪啪，还很影响形象，&/b&如果再加上含胸、驼背，真是丑上加丑……&/p&&p&&br&&/p&&p&不仅丑，如果长期不矫正，还可能&b&导致脖子肌肉疼痛、僵硬，慢性肌肉劳损、椎间盘突出、紧张性头痛&/b&……一系列问题。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-7e21d1e31b86f7ed19b82d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&478& data-rawheight=&322& class=&origin_image zh-lightbox-thumb& width=&478& data-original=&https://pic2.zhimg.com/50/v2-7e21d1e31b86f7ed19b82d_r.jpg&&&/figure&&p&首先。必须&b&时刻提醒自己挺胸、抬头、收下巴&/b&，想象自己是个高傲的小公举？或者小王几？&/p&&p&（这个形容好二……你们领会含义就好）。&/p&&p&&br&&/p&&p&其次，&b&纠正这些坏习惯：&/b&&/p&&ul&&li&低头玩手机；&/li&&li&用电脑姿势错误，比如伸着脖子看电脑屏幕；&/li&&li&弓背久坐；&/li&&li&睡觉时枕头过高。&/li&&/ul&&p&&br&&/p&&p&最后，为了改善颈、肩、背部的肌肉状态，日常还要&b&针对性的做一些小锻炼。&/b&&/p&&p&&br&&/p&&p&丁香医生这次又请到了团队的小哥哥 &a class=&member_mention& href=&//www.zhihu.com/people/8ad9dd6fb73afc77ed02c2b& data-hash=&8ad9dd6fb73afc77ed02c2b& data-hovercard=&p$b$8ad9dd6fb73afc77ed02c2b&&@叔贵K&/a&，教大家&b&三个非常简单易学的小动作&/b&。这次是动图哦～&/p&&blockquote&&b&动作一：我没钱&/b&&/blockquote&&figure&&img src=&https://pic4.zhimg.com/50/v2-5eb5cecfb3b0c4a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&350& data-rawheight=&197& class=&content_image& width=&350&&&/figure&&p&像不像在说：我没钱我没钱。&/p&&p&&br&&/p&&p&首先，你需要全程&b&让大臂和身体夹紧。&/b&&/p&&p&&br&&/p&&p&然后用胳膊的力量，慢慢&b&带动小臂向外旋转&/b&，此时你会感觉到&b&后背肌肉在有力地夹紧。&/b&&/p&&p&&br&&/p&&p&这个动作能很好地&b&锻炼到肩胛骨附近的肌肉&/b&，强化身型，缓解肩部疲劳。&/p&&p&&br&&/p&&p&&b&每天做 15 到 20 次，注意大臂一定要贴近身体不要松开。&/b&&/p&&p&&br&&/p&&p&只靠强化后背肌肉是不够的，我们还需要&b&放松胸肌。&/b&&/p&&p&&br&&/p&&blockquote&&b&动作二：看～我～激～凸～（实在起不出名字了……）&/b&&/blockquote&&figure&&img src=&https://pic2.zhimg.com/50/v2-251a3a5dc46bd7e3c9f539aa1fe30d92_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&350& data-rawheight=&197& class=&content_image& width=&350&&&/figure&&p&这个动作名字虽然起的不咋地，但是&b&对于拉伸胸肌很有作用&/b&。&/p&&p&&br&&/p&&p&首先，&b&双手交叉&/b&背在身后，持续发力向下拽动，同时向上挺胸。&/p&&p&&br&你会感觉到&b&胸部，肩膀，脖子都得到了很好的拉伸感&/b&，保持 5 个深呼吸，再做一次。&/p&&p&&br&&/p&&p&这个动作，&b&每天做 8 到 10 次，&/b&随时随地放松胸肌，轻松自在。&/p&&p&&br&&/p&&blockquote&&b&动作三：靠墙天使&/b&&/blockquote&&figure&&img src=&https://pic3.zhimg.com/50/v2-6c9301889bcc1e5e59d888e990b929f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&350& data-rawheight=&197& class=&content_image& width=&350&&&/figure&&p&厉害的来了！一个动作帮助你找到身姿挺拔，气质绝佳的感觉。&/p&&p&&br&&/p&&p&首先，身体靠墙站立，保证&b&脚跟、臀部、后背、后脑勺四点&/b&紧贴墙面，打开双臂做&b&「投降」状。&/b&&/p&&p&&br&在持续「投降」的过程里，尽可能地保证&b&手臂和手背贴着墙面滑动。&/b&&/p&&p&&br&&/p&&p&&b&每天睡前做上 15 到 20 次，&/b&立刻就能感觉到整个人站得更直了。&/p&&p&&br&&/p&&p&如果你改掉了脖子前倾，把后背挺起来后，整个人的&b&气场一下子就不一样了。&/b&&/p&&p&&br&&/p&&p&例如小天后霉霉，抬头挺胸走起来是这样的：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-fedac_b.jpg& data-size=&normal& data-rawwidth=&278& data-rawheight=&166& class=&content_image& width=&278&&&figcaption&来源：taylor 歌曲 MV&/figcaption&&/figure&&p&&br&&/p&&p&不过，脖子前倾这个毛病&b&很容易反复&/b&，往往一会儿不注意，就又开始伸头弓背了。&/p&&p&&br&&/p&&p&想要改善，必须要养成好习惯。&/p&&p&&br&&/p&&p&所以：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-643999feecacc158feefb9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&960& data-rawheight=&565& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/50/v2-643999feecacc158feefb9_r.jpg&&&/figure&&p&&br&&/p&&p&内容参考丁香医生科普文章：&/p&&a href=&//link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s/qDYLGEbU9nkDX_8S9Krldw& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic3.zhimg.com/v2-8fa02ccfadc6_180x120.jpg& data-image-width=&897& data-image-height=&506& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&脖子前倾毁了无数人，明星都逃不过！3 个动作拯救气质&/a&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-e8a2d6ae2ae_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&600& data-rawheight=&268& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/50/v2-e8a2d6ae2ae_r.jpg&&&/figure&
前段时间回答了：里面提到了低头玩手机等于头顶可乐，时间久了会导致「乌龟颈」，也就是脖子前倾。 然后，收到了不少知友的留言和私信，问「万一已经乌龟颈了可咋整啊」，所以今天专门来说一下。 脖子…
&figure&&img src=&https://pic3.zhimg.com/v2-a406d532b5_b.jpg& data-rawwidth=&1228& data-rawheight=&602& class=&origin_image zh-lightbox-thumb& width=&1228& data-original=&https://pic3.zhimg.com/v2-a406d532b5_r.jpg&&&/figure&&p&三种办法。如果你主要看前端项目的代码，直接看第三种。&/p&&p&&br&&/p&&p&1，用Chrome插件Octotree，左侧会出现树形结构，方便你浏览源代码。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-d26c4b7b877a60ea0db19e116dc724cb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-d26c4b7b877a60ea0db19e116dc724cb_r.jpg&&&/figure&&p&地址：&/p&&a href=&https://link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/octotree/bkhaagjahfmjljalopjnoealnfndnagc& data-draft-node=&block& data-draft-type=&link-card& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/octotree/bkhaagjahfmjljalopjnoealnfndnagc&/span&&span class=&ellipsis&&&/span&&/a&&p&类似的插件还有Sourcegraph：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c1e4fda46ced0ab0b55e1fc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-c1e4fda46ced0ab0b55e1fc_r.jpg&&&/figure&&p&地址：&/p&&a href=&https://link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/sourcegraph/dgjhfomjieaadpoljlnidmbgkdffpack%3Futm_source%3Dchrome-ntp-icon& data-draft-node=&block& data-draft-type=&link-card& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/sourcegraph/dgjhfomjieaadpoljlnidmbgkdffpack?utm_source=chrome-ntp-icon&/span&&span class=&ellipsis&&&/span&&/a&&p&2，用Github Desktop桌面应用。方便把代码clone到本地，然后进行各种git操作。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-f5ebddad28b57b6_b.jpg& data-caption=&& data-size=&normal& data-rawwid}