持续更新中
GPU与tensorflow的那些事
要装TensorFlow with GPU support，有以下准备工作：
安装CUDA® Toolkit 8.0
安装The NVIDIA drivers associated with CUDA Toolkit 8.0
安装cuDNN v5.1
有一块GPU card with CUDA Compute Capability 3.0 or higher.
-
安装The libcupti-dev library, which is the NVIDIA CUDA Profile Tools Interface，终端键入以下命令即可
sudo apt-get install libcupti-dev
检查GPU环境
-
检查GPU是否兼容CUDA
$ lspci | grep -i nvidia
如果你的显卡是NVIDIA的或者在这个表里http://developer.nvidia.com/cuda-gpus, 你的GPU也就是兼容CUDA的。
-
检查你的Linux发行版本
$ uname -m && cat /etc/*release -
检查gcc是否安装和版本
$ gcc --version -
检查系统运行的核
$ uname -r -
安装 kernel headers 和 development packages
$ sudo apt-get install linux-headers-$(uname -r)
安装CUDA Toolkit
按照https://developer.nvidia.com/cuda-downloads上的指示来安装。
检验是否安装成功，输入以下命令：
$ md5sum <file>
和http://developer.nvidia.com/cuda-downloads/checksums 中的checksum比较即可。
总的来说，按着下面这个一步一步的从最前面做到最后即可，每一步做完都记得检查一下：
http://docs.nvidia.com/cuda/pdf/CUDA_Installation_Guide_Linux.pdf
查看CPU,GPU,memory使用情况
-
看正在运行的程序的资源使用情况：
$ top -
查看GPU使用情况
nvidia-smi # 或者你想看多一点 nvidia-smi -l
进程管理
-
查看所有进程
$ ps a -
杀死一个进程
# 杀死进程号为PID的进程 $ kill PID # 彻底杀死进程 $ kill -9 PID
参考：
http://linuxtools-rst.readthedocs.io/zh_CN/latest/tool/ps.html
http://www.cnblogs.com/peida/archive/2012/12/20/2825837.html
