由於有些訓練是要長時間進行訓練（幾天），才能看出顯著的結果，如果只是通過本地的計算機進行訓練是不可能的。因此這周花了一些時間調研如何才能讓神經網路長時間的進行執行，為以後訓練網路提供可靠的執行環境。
tensorflow部署的地方 優點
缺點本地筆記本cpu版本的tensorflow
（1）安裝相對本地的gpu版本的tensorflow容易
（2）方便通過本地的ide比如pycharm進行**的除錯
（1）相對本地gpu版本的tensorflow執行較慢
（2）無法長時間的進行訓練，比如幾天到一周，甚至半個月
本地gpu筆記本版本的tensorflow
相對本地gpu版本的tensorflow執行較快
方便通過本地的ide進行**除錯與跟蹤
安裝較困難，容易出錯
需要英偉達的顯示卡，並且需要有較好的效能
谷歌的colab雲環境
免費，已經幫你裝好了tensorflow相關的所有環境，適合初學者
（1）不能長時間的執行，由於是免費的，硬體的效能不是很好，經過測試，和本地的cpu版本的tensorflow執行差不多速度，並且容易掉線
阿里雲cpu伺服器
租比較低端的伺服器，**比較便宜，學生只要10/月
可以長時間執行，只要不關機就會一直執行，
經測試執行速度和本地的gpu版本速度差不多
顯示卡版的伺服器普遍比較貴
沒有幫你裝好tensorflow的執行環境，需要你自己轉一整套的環境
floyd雲端gpu環境
幫你裝好了雲端的執行環境，專門為深度學習訓練提供到的雲端伺服器
有多種顯示卡可供選擇
（3）**相對較貴，如果是gpu版本訓練的話需要10元/小時
由於對比以及試驗了各種方法。因此如果是前期的話，先在自己的筆記本上面先用小批量的資料除錯自己構造的網路，當除錯好了之後可以通過git上傳到阿里雲伺服器中進行長時間的訓練（幾天）看訓練結果，並將訓練好的引數進行儲存，再傳回自己的筆記本看生成結果。如果時間比較趕需要快速地得到結果可以使用floyd雲端gpu環境進行訓練。
tensorflow在windows環境下的安裝
2.開啟電腦的vt 虛擬化技術 3.然後安裝docker 參考以下兩個教程 安裝完docker之後，發現tensorflow裝不上，所以現在又要先把docker學習一下。所以我離目標越來越遠了。我的歷程 1 要做建築物識別，先做深度學習，matlab不能滿足需求，選擇現下最火的tensorflow ...
TensorFlow 環境配置
1.tensorflow官方環境配置 2.tensorflow簡要教程系列 一 mac安裝tensorflow 按照官方的方法走，我發現，第一步我就走不下去。我是macos系統，第一步是安裝pip。命令是 sudo easy install pip 結果是卡在那，乙個晚上都沒結果，下面是截圖 然後各...
tensorflow環境部署
準備工作 含gpu的伺服器1臺 ubuntu14.04或ubuntu16.06 x64 gpu對應的最新版本驅動 cuda 9.0或cuda 9.1 系統自帶的python2或python3 與cuda和os版本對應的cudnn 裝置連線網際網路 pycuda 環境配置 4028gr tr2 e5 ...