運(yùn)行tensorflow需要怎么的電腦配置？Tensorflow是Google基于DistFaith開發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)。它需要類似于工作站的計(jì)算機(jī)配置才能運(yùn)行。甚至更低的配置是i78700k

運(yùn)行tensorflow需要怎么的電腦配置？

Tensorflow是Google基于DistFaith開發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)。它需要類似于工作站的計(jì)算機(jī)配置才能運(yùn)行。甚至更低的配置是i78700k，因?yàn)轭A(yù)算配置越深，要求就越高。這里有一張配置單供您參考：英特爾i78700k處理器、華碩z370-p主板、金士頓16gddr42400有x2內(nèi)存模塊、Gigabyte gtx1080tigamingoc11g顯卡、Procter m9peg256gm.2接口固態(tài)硬盤、希捷1TB機(jī)械硬盤、酷派至尊冰神b240cpu水冷散熱器、，海韻?？怂?50fx750w電源，美國海盜船spec-05底盤。

運(yùn)行tensorflow需要怎么的電腦配置？

tensorflow的支持列表中沒有窗口。雖然docker可以在windows上運(yùn)行，但也有很多小問題。它支持的最好的系統(tǒng)是基于UNIX內(nèi)核的，比如Linux。因此，我們最好安裝一個(gè)linux環(huán)境來運(yùn)行它。但是，虛擬機(jī)的安裝對(duì)配置有一定的要求。畢竟，這相當(dāng)于同時(shí)打開計(jì)算機(jī)上的兩個(gè)系統(tǒng)——CPU不應(yīng)低于第四代I3（尤其是筆記本電腦，CPU型號(hào)I3/5/7-xxxx四位數(shù)字中的第一個(gè)X代表其代數(shù)）。內(nèi)存—請(qǐng)注意，內(nèi)存不能小于4G，因?yàn)榉峙浣o虛擬機(jī)的內(nèi)存將在虛擬機(jī)啟動(dòng)后以1:1的比例從物理內(nèi)存中移除。加上物理機(jī)系統(tǒng)的消耗。當(dāng)然，這個(gè)配置表只有下限，沒有上限。你的電腦配置越好，你的體驗(yàn)就越好。采用雙系統(tǒng)時(shí)，對(duì)配置的需求要小得多。

學(xué)Python的電腦要什么樣的配置？

感謝您的邀請(qǐng)

！作為IT行業(yè)從業(yè)者和計(jì)算機(jī)專業(yè)教育者，讓我回答這個(gè)問題。

首先，如果您從學(xué)習(xí)Python語言本身的角度出發(fā)，您不需要配置太高的計(jì)算機(jī)。普通辦公電腦完全可以滿足要求，或者大部分在售筆記本電腦都可以滿足基本的學(xué)習(xí)要求。

但是，學(xué)習(xí)Python通常必須有明確的學(xué)習(xí)方向。不同的學(xué)習(xí)方向在計(jì)算機(jī)配置上仍有一些具體的要求。目前Python的主要學(xué)習(xí)方向包括web開發(fā)、大數(shù)據(jù)開發(fā)、人工智能開發(fā)和嵌入式開發(fā)，其中大數(shù)據(jù)開發(fā)和人工智能開發(fā)對(duì)計(jì)算機(jī)配置仍有一定的要求。

大數(shù)據(jù)領(lǐng)域的發(fā)展通常對(duì)計(jì)算機(jī)內(nèi)存有更高的要求。一個(gè)重要原因是，大數(shù)據(jù)平臺(tái)通常對(duì)內(nèi)存有更高的要求。很多大數(shù)據(jù)平臺(tái)至少需要8g內(nèi)存，而一些商業(yè)大數(shù)據(jù)平臺(tái)對(duì)內(nèi)存的要求更高。因此，如果你想學(xué)習(xí)Python，從事大數(shù)據(jù)開發(fā)，就需要配置一個(gè)內(nèi)存，計(jì)算機(jī)越大越好。另外，對(duì)于初學(xué)者來說，通常需要通過虛擬機(jī)在自己的計(jì)算機(jī)上構(gòu)建偽分布式集群，這對(duì)內(nèi)存容量提出了更高的要求。

人工智能的發(fā)展通常需要一個(gè)強(qiáng)大的GPU，所以如果你想學(xué)習(xí)Python進(jìn)行機(jī)器學(xué)習(xí)（深度學(xué)習(xí)）、計(jì)算機(jī)視覺等方面的開發(fā)，就必須配備一個(gè)更好的顯示卡，這樣會(huì)大大提高實(shí)驗(yàn)速度。另外，人工智能的發(fā)展方向?qū)PU和內(nèi)存也有一定的要求。

最后，在硬盤的配置上，最好選擇速度更快的固態(tài)盤，而且容量不需要太大。

為什么A卡不像N卡那樣，開發(fā)類似CUDA的API，從而可以做科學(xué)計(jì)算？

雖然NVIDIA顯卡有CUDA，amd顯卡也有OpenCL。事實(shí)上，CUDA和OpenCL都是為了滿足通用并行計(jì)算的需求而設(shè)計(jì)的。然而，CUDA是一個(gè)成熟的開發(fā)平臺(tái)，它為NVIDIA提供了一個(gè)完整的工具包，相對(duì)來說更加專業(yè)和封閉。OpenCL是一個(gè)開放的標(biāo)準(zhǔn)，被許多軟硬件制造商廣泛使用。

就科學(xué)計(jì)算而言，CUDA對(duì)開發(fā)人員更友好，應(yīng)用更廣泛。這與CUDA相對(duì)完整的開發(fā)工具包有很大關(guān)系。經(jīng)過多年的開發(fā)，CUDA擁有比OpenCL更好的生態(tài)系統(tǒng)，它更易于使用，對(duì)程序員也更友好。雖然OpenCL是開放的，但是它的API設(shè)計(jì)很怪異，缺乏一致性，并且它的函數(shù)不是正交的，這并不簡(jiǎn)單，它還遠(yuǎn)遠(yuǎn)不夠成熟。

Amd顯卡目前不支持CUDA，但只能支持OpenCL。在一些科學(xué)計(jì)算程序中，AMD顯卡的計(jì)算效率明顯低于N顯卡。這就是CUDA的優(yōu)勢(shì)。amd之所以沒有像CUDA那樣開發(fā)API，是因?yàn)閍md沒有足夠的實(shí)力來制定這個(gè)標(biāo)準(zhǔn)。英偉達(dá)早在2006年就開始在gtx8800顯卡上推出CUDA，經(jīng)過這么多年的發(fā)展，英偉達(dá)已經(jīng)投入了巨大的人力物力取得了今天的成績(jī)，包括一年一度的GTC大會(huì)，在CUDA和相關(guān)技術(shù)推廣方面做了大量的工作，而amd顯然缺乏這樣的工作。

事實(shí)上，作為同時(shí)開發(fā)CPU和GPU的半導(dǎo)體制造商，AMD要做到這一點(diǎn)并不容易。在資金不能大幅度增長(zhǎng)的情況下，顯卡業(yè)務(wù)只要做好自己的工作就非常好。至于新的API標(biāo)準(zhǔn)，顯然很難做到。我們只能期待OpenCL有一個(gè)更好的未來。