一、为什么右键没有nvidia控制面板
需要装了NVIDIA独显驱动才有的。
1、右键单击此电脑选择属性，如下图所示
2、进入管理界面，点击设备管理器，如下图所示
3、进入设备管理器，点击显示适配器，如下图所示
4、进入显示适配器，右键单击N卡，选择启动设备，如下图所示
5、接着进入服务和应用程序，点击服务，找到nvidia display服务，双击进入，如下图所示
6、将服务类型设置为自动，然后点击启动按钮，如下图所示
7、回到桌面，单击右键，可以发现Nvidia控制面板选项了，如下图所示
二、求助tensorflow下遇到cuda compute capability问题
首先需要看你的PC配置是否够，TF的GPU模式只支持N卡，然后计算能力高于3.0，具体可以查：
安装教程可以参考：
Ubuntu16.04上gtx1080的cuda安装
July 17 2016
目前tensorflow是一个非常流行的深度学习计算框架，常规硬件及系统的安装方法官方的doc已经说的很清楚了，但是因为系统是ubuntu16.04,显卡是GTX1080,所以不可避免的要折腾起来。在上一篇已经在16.04上安装好了驱动。接下来其实重点安装的是CUDA和cuDNN.
首先说为什么要安装CUDA和cuDNN，关于采用GPU计算比CPU有速度有多少提升的benchmark找找就有，这次重点是怎么让tensorflow充分用的上GTX1080能力。具体的就是如何把支持GTX1080的CUDA和cuDNN装起来，然后让tensorflow认识我们新装的CUDA和cuDNN。
首先总体说下安装步骤：
1首先要注册NVIDIA developer的帐号，分别下载CUDA和cuDNN
2确认准备gcc版本，安装依赖库sudo apt-get install freegl
3安装CUDA
4解压cuDNN
5 clone tensorflow源码，configure配置
6编译安装
7最后一哆嗦,测试！
准备工作
在正式开始前，需要做几个准备工作，主要是大概先看下文档
cuda FAQ
tensorflow的安装文档
cuda-gpu的支持列表/计算能力/FAQ
cudnn 5.1有多牛
cuda tookit下载页面
CUDA_Installation_Guide_Linux.pdf
cudnn User Guide
文档看过之后接下来就是实际动手的过程：
1注册NVIDIA developer的帐号，分别下载CUDA和cuDNN
1.1下载CUDA打开cuda toolkit下载页面,GTX1080要用的是CUDA 8。先点击JOIN,注册帐号。完了后，再回到cuda toolkit下载页面。选择 linux, x86-64, ubuntu, 16.04, runfile(local)
1.2下载cuDNN进入cudnn的下载页,一堆调查,日志写时下载的是[Download cuDNN v5(May 27, 2016), for CUDA 8.0 RC],点开选linux,不出意外的话这个就是下载地址.
2确认GCC版本，安装依赖库
确认本机gcc版本,16.04默认的是gcc 5,这里安装需要的最高是gcc 4.9。接下来就安装配置gcc 4.9.
2.1安装gcc 4.9，并修改系统默认为4.9
sudo apt-get install gcc-4.9 gcc-4.9 g++-4.9 g++-4.9
gcc--version
sudo update-alternatives--install/usr/bin/g++ g++/usr/bin/g++-4.9 10
sudo update-alternatives--install/usr/bin/cc cc/usr/bin/gcc 30
sudo update-alternatives--set cc/usr/bin/gcc
sudo update-alternatives--install/usr/bin/c++ c++/usr/bin/g++ 30
sudo update-alternatives--set c++/usr/bin/g++
gcc--version
2.2一个小依赖
sudo apt-get install freegl
3安装CUDA
需要注意的是这个地方有个选择安装低版本驱动的地方，选n大致的安装流程如下：
3.1安装CUDA
chmod+x/cuda_8.0.27_linux.run
./cuda_8.0.27_linux.run
....
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is/usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at/usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is/home/h ]:/home/h/Documents/cuda_samples
....
3.2写入环境变量
vim~/.bashrc
#添加下面变量
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3.3安装好后简单验证
a.进入刚配置时指定的cuda sample所在文件夹,NVIDIA_CUDA-8.0_Samples/
b. cd 0_Simple/asyncAPI;sudo make
c. NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$./asyncAPI [./asyncAPI]- Starting… GPU Device 0:“GeForce GTX 1080” with compute capability 6.1 CUDA device [GeForce GTX 1080] time spent executing by the GPU: 10.94 time spent by CPU in CUDA calls: 0.19 CPU executed 50591 iterations while waiting for GPU to finish
4安装cuDNN
h@h:~/Downloads$ tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a
h@h:~/Downloads$ sudo cp-R cuda/lib64/usr/local/cuda/lib64
h@h:~/Downloads$ sudo mkdir-p/usr/local/cuda/include
h@h:~/Downloads/cuda$ sudo cp include/cudnn.h/usr/local/cuda/include/
sudo chmod a+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
5 clone, configure tensorflow
5.1 clone源码
$ git clone
5.2 configure配置
整个配置流程应该跟下面的基本一样的
h@h:~/Downloads/tensorflow$ cd./tensorflow/
h@h:~/Downloads/tensorflow$./configure
Please specify the location of python. [Default is/usr/bin/python]:
***Do you wish to build TensorFlow with Google Cloud Platform support? [y/N] N***
No Google Cloud Platform support will be enabled for TensorFlow
***Do you wish to build TensorFlow with GPU support? [y/N] y***
GPU support will be enabled for TensorFlow
Please specify which gcc nvcc should use as the host compiler. [Default is/usr/bin/gcc]:
**Please specify the location where CUDA toolkit is installed. Refer to README.md for more details. [Default is/usr/local/cuda]:/usr/local/cuda-8.0**
**Please specify the Cudnn version you want to use. [Leave empty to use system default]: 5.0.5**
**Please specify the location where cuDNN 5.0.5 library is installed. Refer to README.md for more details. [Default is/usr/local/cuda-8.0]:/usr/local/cuda**
Please specify a list of comma-separated Cuda compute capabilities you want to build with.
You can find the compute capability of your device at:
**Please note that each additional compute capability significantly increases your build time and binary size.
[Default is:"3.5,5.2"]: 6.1**
Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Setting up CUPTI include
Setting up CUPTI lib64
Configuration finished
6编译安装
6.1编译工具Bazel安装配置
先看一眼文档然后就执行下面的流程:
#安装java 1.8
sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer
#安装好后车参考下
java-version
#添加源
echo"deb [arch=amd64] stable jdk1.8"| sudo tee/etc/apt/sources.list.d/bazel.list
curl| sudo apt-key add-
#下载
sudo apt-get update&& sudo apt-get install bazel
#升级
sudo apt-get upgrade bazel
6.2编译tensorflow的pip版本并安装
$ bazel build-c opt//tensorflow/tools/pip_package:build_pip_package
# To build with GPU support:
$ bazel build-c opt--config=cuda//tensorflow/tools/pip_package:build_pip_package
$ bazel-bin/tensorflow/tools/pip_package/build_pip_package/tmp/tensorflow_pkg
# The name of the.whl file will depend on your platform.
#注意编译完成后生成的文件名字和官方doc里面的是不一定一致的
$ sudo pip install/tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whl
i6700k 32g编译时间:
只编译代码不带pip INFO: Elapsed time: 967.271s, Critical Path: 538.38s
bazel-bin/tensorflow/tools/pip_package/build_pip_package INFO: Elapsed time: 65.183s, Critical Path: 48.58
7最后测试
前面都整完了，现在该测试了，注意前面有两个动态链接库的位置，cuDNN在/usr/local/cuda/lib64，而cuda在/usr/local/cuda-8.0/lib64，所以这个时候的bashrc应该这么写：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
写完后,
source~/.bashrc
cd tensorflow/tensorflow/models/image/mnist
python convolutional.py
成功的话会出现流畅的跑动:
h@h:~/Downloads/tensorflow/tensorflow/models/image/mnist$ python convolutional.py
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.so.5.0.5 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locally
Extracting data/train-images-idx3-ubyte.gz
Extracting data/train-labels-idx1-ubyte.gz
Extracting data/t10k-images-idx3-ubyte.gz
Extracting data/t10k-labels-idx1-ubyte.gz
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925] successful NUMA node read from SysFS had negative value(-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties:
name: GeForce GTX 1080
major: 6 minor: 1 memoryClockRate(GHz) 1.8475
pciBusID 0000:01:00.0
Total memory: 7.92GiB
Free memory: 7.41GiB
I tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0
I tensorflow/core/common_runtime/gpu/gpu_init.cc:136] 0: Y
I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device(/gpu:0)->(device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0)
Initialized!
Step 0(epoch 0.00), 8.4 ms
Minibatch loss: 12.054, learning rate: 0.010000
Minibatch error: 90.6%
Validation error: 84.6%
......
Minibatch error: 0.0%
Validation error: 0.7%
Step 8500(epoch 9.89), 4.7 ms
Minibatch loss: 1.601, learning rate: 0.006302
Minibatch error: 0.0%
Validation error: 0.9%
Test error: 0.8%
三、如何卸载windows xp
提起软件卸载，也许你会不以为然，因为大家都会操作！大家通常采用三种方法来卸载软件：运行软件附带的Uninstall卸载程序、在Windows XP控制面板中运行“添加/删除程序”，或者使用第三方软件来进行卸载。不过现在我们要讨论的并不是这样简单的卸载，而是一些另类的卸载。一、故障恢复控制台的卸载众所周知，Windows XP的“故障恢复控制台”可以诊断和恢复系统，不过它却没有卸载程序，如果你想卸载它，可以这样操作：进入系统分区下的“cmdcons”目录，找到“故障恢复控制台”的安装文件并将其删除；然后依次选择“开始→设置→控制面板→系统”，在“系统属性”对话框中选择“高级”选项卡，单击“启动和恢复故障”下的“设置”按钮，在弹出的“启动和恢复故障”对话框中单击“编辑”按钮(如图1)，在弹出的窗口中删去以下语句：“C:CMDCONSBOOTSECT.DAT=“Microsoft Windows XP Recovery Console”/cmdcons”即可。二、顽固程序的卸载当卸载软件时，我们常常会遇到这样的事情：有些程序非常顽固，即使你用了各种招数都无法卸载，这是因为该程序没有完全安装、程序文件被破坏，或者程序安装目录已被删除等原因，为此，你可以用Windows XP附带的Msicuu.exe、Msizap.exe来彻底卸载。首先要打开Windows XP安装光盘，安装“Support Tools”，然后进入硬盘的Support Tools安装目录(X:Program FilesSupport Tools)，找到Msicuu.exe并双击，于是就会弹出一个“Windows Installer Clean Up”窗口，显示当前已安装的所有程序列表。你从中选择顽固程序，然后单击“Rmove”按钮即可卸载。如果以上方法无效，建议你用Msizap.exe来卸载，方法是：打开注册表编辑器，定位到HKEY_LOCAL_MACHINESoftwareMicrosoftWindowsCurrentVersionUninstall，在左边项中找到顽固程序的标识(例如{268723B7-A994-4286-9F85-B974D5CAFC7B})，然后依次选择“开始→程序→Windows Support Tools→Command Prompt”命令，在命令提示符后，输入以下命令：msizap T{顽固程序的标识}，按回车后即可卸载顽固程序。三、卸载“添加或删除程序”中残留的程序名控制面板中的“添加或删除程序”是卸载软件常用的方法。不过有些软件卸载之后，在“添加或删除程序”中还会残留下它的程序名(例如VoptXP V7.12)，即使你单击“更改/删除”按钮也无法清除(如图2)，这时候你可以这样清除它们：依次选择“开始→运行”，在弹出的“运行”对话框中输入“Regedit”命令打开注册表编辑器，首先单击注册表“文件”菜单下的“导出注册表文件”备份一下注册表，删除以后如果出问题，可以恢复原来的注册表。接下来，定位到以下位置HKEY_LO-CAL_MACHINESOFTWAREMicrosoftWindowsCurrentVersionUninstall，找到残留的程序名(例如VoptXP V7.12)，并将其删除。为了完全卸载干净，你还应该在注册表中依次选择“编辑→查找”菜单命令，打开“查找”对话框，在“查找目标”中输入要卸载的程序名，找到与该程序相关的项目并删除，然后不断使用“查找下一个”命令，找到并删除所有该程序的项目即可。提示：软件经上述方法卸载后，有的在原目录中还残留有文件，这时你不必顾虑，直接删除安装目录即可。四、驱动程序的卸载有些朋友喜欢升级驱动程序，不过升级之后，却无法用系统自带的卸载程序清除它们，为此，你可以使用软件Driver Cleaner(下载地址 )来卸载驱动程序。 Driver Cleaner可以卸载ATi和NVIDIA显示驱动程序，能彻底卸载ATi WDM Driver、ATi MMC、ATi HydraVision、Creative Audio Driver、kx Audio Driver、kx Aureal Driver、NVIDIA WDM Driver、NVIDIA Stereo Driver等驱动程序；此外，你运行Driver Cleaner安装目录中的CCleaner.exe，还可以卸载系统中已经安装的Driver.cab、SP1.cab、SP2.cab、SP3.cab等补丁包。五、卸载不用的DLL文件如果你想让系统自动卸载不再使用的DLL文件，可以这样操作：打开注册表编辑器，定位到HKEY_LOCAL_MACHINESOFTWAREMicrosoftWindowsCurrentVersionExplorer，在右侧的窗格中新建一个“AlwaysUnloadDLL”键值，类型为字符串值，值为1。最后保存退出并重新启动计算机即可。六、系统还原点的卸载如果你想卸载多余的系统还原点、只保留最近一个系统还原点，可以这样操作：依次选择“开始→运行”，在弹出的“运行”对话框中输入“Cleanmgr”命令，接着在弹出的“选择驱动器”对话框中选择一个驱动器，并单击“确定”按钮。在“磁盘清理”对话框中，选择“其他选项”选项卡，单击“系统还原”下的“清理”按钮(如图3)，在弹出的提示框中单击“是”按钮即可。假如你想自己动手删除还原点，也可以在资源管理器中依次选择“工具→文件夹选项”菜单命令，然后在弹出的对话框中选择“查看”选项卡，取消勾选其中的“隐藏受保护的操作系统文件”复选框。接下来进入硬盘中的“System Volume Information”目录，打开以“_restore”开头的文件夹，里面有很多以RPx开头的子目录，该子目录就是一个还原点。对于RPx，这里x表示还原点序号，序号越大，对应的还原点就越新，你可以选择删除RPx开头的子目录，这样对应的还原点就删除了。