keras

gpu擅长处理计算密集型任务，可并行运作。在深度学习的训练过程中，包含了大量重复性的计算，利用 gpu 的特性可显著提高训练的效率。

先升级显卡驱动确保后面不会因为显卡驱动版本低这个问题被卡住。

NVIDIA CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 NVIDIA cuDNN是用于深度神经网络的gpu加速库，可以集成到更高级别的机器学习框架中，如Tensorflow、caffe。

CUDA与cuDNN的关系 CUDA可以看作是一个工作台，但是这个工作台买来的时候，并没有送工具。那工具在哪呢？工具就是cuDNN，有了它才能在GPU上完成深度学习的计算。所以说，想要在CUDA上运行深度神经网络，就要安装cuDNN。

tensorflow-gpu是tensorflow的gpu版本，但是它必须通过 cuda 和 cudnn 来调用电脑的 gpu。 使用以下方法可以一次性安装CUDA、cuDNN、tensorflow-gpu

在gpu可用的情况下默认使用的是gpu，通过为CUDA指定一个不存在的gpu可切换回cpu模式

设置当前使用的GPU设备仅为0号设备 设备名称为'/gpu:0'

设置当前使用的GPU设备为1,0号两个设备，这里的顺序表示优先使用1号设备,然后使用0号设备

tf.ConfigProto一般用在创建session的时候，用来对session进行参数配置，而tf.GPUOptions可以作为设置tf.ConfigProto时的一个参数选项，一般用于限制GPU资源的使用。