8 核 CPU 终于达到了 80%以上的占用率～～～

[winglight2016]

自从配好了这台 pc 一直觉得配置太高浪费了，CPU/内存长期都在 10%以内。晚上在本地 build tensorflow CPU 一下子占了 80%多，感觉终于派上用场了，只是很遗憾，内存还是不到 20%

下面是 mac 上安装 keras-tensorflow-gpu 的吐槽： 1.tf 编译的坑多，多到有 N 篇文章专门论述，各个版本（ python、cuda、cudnn、tf ）都有，太混乱了，不知道信哪一个好 2.conda+tf 的坑，其中 protobuf 就是坑中之坑，坑王之王

这两个问题我分别花了两个晚上才搞定，现在可以在 jupyter notebook 上直接跑 keras-tf-gpu，速度快得飞起，同样程序相比 K80 还要快 5 倍（ k80 上是 keras+theano ），所以结论是折腾是值得的！

[cybermay]

也没说是什么配置啊

[winglight2016]

@cybermay 常见配置：i7 8700k+1080ti

[ZRS]

总感觉 windows 下配环境是很蛋疼的事

[greyterry]

我配了 64G 的内存才发现日常使用率 5%……

[JJaicmkmy]

8700K 不是六核吗？

[cnta]

8 核 16 线程 自己主要是平时开虚拟机开得多吧 ，多核还是很有必要的。

[winglight2016]

@JJaicmkmy 哦呵呵，搞错了，是六核的
@ZRS 习惯就好
@greyterry 利用率低了感觉太浪费了
@cnta 我现在已经完全不用虚拟机了，感觉各种不方便太多了

[Rorysky]

8400+1070ti 瑟瑟发抖

[ioriwong]

我 28 核 56 线程，从未满载过，很难超 50%，哈哈

[greenskinmonster]

装 gentoo 啊，前几天刚好重新编译了整个系统，4 核 8 线程 i2600K@4.4G 满载了大半天

[lycc]

Adobe 全家桶可以把你的内存吃干净 233333

[somebody]

编译 Java, C/C++ 的时候可以多线程，make -j8。编译 Android ROM 的时候 make -j8，8 核 满负荷运行了 1 小时

[hadoop]

@ioriwong 啥 u ？

[snnn]

你内存得多大啊？编译 tf 需要 16G 内存才能 4 核全开不 oom。8 核得 32G 才对

[Tardis0127]

yes > /dev/null &
试试这个

[mattx]

挖 门罗吧.一年可以挖半个

[WildCat]

1. 几张 1080Ti ？感觉你的 U 好亏，4 路的话 6850K 就足够了吧
2. 没必要自己编译吧，pip install tensorflow-gpu 就好了。
3. 即使官方版本不好，github 上边有别人发布的不少编译好的版本
4. 第一次安装比较痛苦，之后就轻车熟路了，推荐 52nlp 的教程（感觉很好）：《从零开始搭建深度学习服务器: 基础环境配置（ Ubuntu + GTX 1080 TI + CUDA + cuDNN ）》 http://www.52nlp.cn/%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E6%90%AD%E5%BB%BA%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AEubuntu-1080ti-cuda-cudnn

[congeec]

@ioriwong make -j 呢？

[jhdxr]

sklearn 路过，72 核 144 线程（ E7-8890 ）很容易满 100%，但是内存（ 1.2PB ）的确用不完。

[wwqgtxx]

试试用 x265 压视频，分分钟 cpu 用满