運行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算機配置才能運行。甚至更低的配置是i78700k

運行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算機配置才能運行。甚至更低的配置是i78700k，因為預(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linux環(huán)境來運行它。但是，虛擬機的安裝對配置有一定的要求。畢竟，這相當于同時打開計算機上的兩個系統(tǒng)——CPU不應(yīng)低于第四代I3（尤其是筆記本電腦，CPU型號I3/5/7-xxxx四位數(shù)字中的第一個X代表其代數(shù)）。內(nèi)存—請注意，內(nèi)存不能小于4G，因為分配給虛擬機的內(nèi)存將在虛擬機啟動后以1:1的比例從物理內(nèi)存中移除。加上物理機系統(tǒng)的消耗。當然，這個配置表只有下限，沒有上限。你的電腦配置越好，你的體驗就越好。采用雙系統(tǒng)時，對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

！作為IT行業(yè)從業(yè)者和計算機專業(yè)教育者，讓我回答這個問題。

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算機。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)方向在計算機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)對計算機配置仍有一定的要求。

大數(shù)據(jù)領(lǐng)域的發(fā)展通常對計算機內(nèi)存有更高的要求。一個重要原因是，大數(shù)據(jù)平臺通常對內(nèi)存有更高的要求。很多大數(shù)據(jù)平臺至少需要8g內(nèi)存，而一些商業(yè)大數(shù)據(jù)平臺對內(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)，就需要配置一個內(nèi)存，計算機越大越好。另外，對于初學(xué)者來說，通常需要通過虛擬機在自己的計算機上構(gòu)建偽分布式集群，這對內(nèi)存容量提出了更高的要求。

人工智能的發(fā)展通常需要一個強大的GPU，所以如果你想學(xué)習(xí)Python進行機器學(xué)習(xí)（深度學(xué)習(xí)）、計算機視覺等方面的開發(fā)，就必須配備一個更好的顯示卡，這樣會大大提高實驗速度。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)計算？

雖然NVIDIA顯卡有CUDA，amd顯卡也有OpenCL。事實上，CUDA和OpenCL都是為了滿足通用并行計算的需求而設(shè)計的。然而，CUDA是一個成熟的開發(fā)平臺，它為NVIDIA提供了一個完整的工具包，相對來說更加專業(yè)和封閉。OpenCL是一個開放的標準，被許多軟硬件制造商廣泛使用。

就科學(xué)計算而言，CUDA對開發(fā)人員更友好，應(yīng)用更廣泛。這與CUDA相對完整的開發(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，對程序員也更友好。雖然OpenCL是開放的，但是它的API設(shè)計很怪異，缺乏一致性，并且它的函數(shù)不是正交的，這并不簡單，它還遠遠不夠成熟。

Amd顯卡目前不支持CUDA，但只能支持OpenCL。在一些科學(xué)計算程序中，AMD顯卡的計算效率明顯低于N顯卡。這就是CUDA的優(yōu)勢。amd之所以沒有像CUDA那樣開發(fā)API，是因為amd沒有足夠的實力來制定這個標準。英偉達早在2006年就開始在gtx8800顯卡上推出CUDA，經(jīng)過這么多年的發(fā)展，英偉達已經(jīng)投入了巨大的人力物力取得了今天的成績，包括一年一度的GTC大會，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。

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