最近学习TensorFlow关于GPU部分，安装过程中踩着坑总结着经验，最终成功。Cuda、cudnn与TensorFlow-gpu三者版本一定要对应（驱动版本与Cuda版本也要对应！），值得注意的是驱动问题，根据踩坑可得，准备好安装驱动的系统环境，安装cuda的同时也装驱动，接着安装cudnn与tensorflow-gpu，如此，成功安装。

最近学习TensorFlow关于GPU部分，安装过程中踩着坑总结着经验，最终成功。Cuda、cudnn与TensorFlow-gpu三者版本一定要对应（驱动版本与Cuda版本也要对应！），值得注意的是驱动问题，根据踩坑可得，准备好安装驱动的系统环境，安装cuda的同时也装驱动，接着安装cudnn与tensorflow-gpu，如此，成功安装。

搭建完成tensorflow-gpu后，测试第一个程序！python2与python3的部分区别：python2 str is bytes, but python 3 str is unicode 输出Hello TensorFlow-GPU!!

tensorflow、tensorflow-gpu、CUDA和cuDNN的版本需要相互对应，版本的差异性可能会导致安装出错。现整理windows/Linux/MacOS系统各个版本如下：WindowsGPUCPULinuxGPUCPUMacOSGPUCPU...

1、传统运维1.1 运维职责运维工程师除去基本的职责还有其他的工作职责：质量：保障并不断提升服务的可用性，确保用户数据安全，提升用户体验。效率：用自动化的工具/平台提升软件在研发生命周期中的工程效率。成本：通过技术手段优化服务架构、性能调优；通过资源优化组合降低成本、提升ROI。1.2 运维工作内容事件管理：目标是在服务出现异常时尽可能快速的恢复服务，从而保障服务的可用性。问题发现：在系统出现异常

1、原生SQL用法概述django可以执行原生SQL语句，主要分读和写两类，用法如下：读(查)：xxxModel.object.raw()写(增删改)：connection.cursor()2、应用案例2.1 django执行原生SQL 读 操作django内置方法中的raw()，可以帮助我们直接执行SQL的原生语句，返回QuerySet 集合对象。# appName: test# tableNa

1、传统运维1.1 运维职责运维工程师除去基本的职责还有其他的工作职责：质量：保障并不断提升服务的可用性，确保用户数据安全，提升用户体验。效率：用自动化的工具/平台提升软件在研发生命周期中的工程效率。成本：通过技术手段优化服务架构、性能调优；通过资源优化组合降低成本、提升ROI。1.2 运维工作内容事件管理：目标是在服务出现异常时尽可能快速的恢复服务，从而保障服务的可用性。问题发现：在系统出现异常

1、背景select选择框很常见，这里实现 react ant protable实现自定义搜索下拉框2、codingconst [selectEnum, setSelectEnum] = useState({});const asyncFetch = () => {fetch('https://localhost/api/search_list').then((response) =>

视频直播带宽计算条件主要分为视频、音频，各自在网络中传输都会先进行压缩，后解码。这里，1080P码率+音频：一般来说，考虑到一些抖动和冗余，网络需求带宽≈视频码率×1.3。所以，带宽需求大约是 5,304 kbps。也就是说，差不多6Mbps的带宽，就可以满足了。具体：https://cloud.tencent.com/developer/article/1625510...

多行注释mac代码选中的条件下，同时按住 command + /，被选中行被注释，再次按下 command + /，注释被取消win代码选中的条件下，同时按住 Ctrl + /，被选中行被注释，再次按下 Ctrl + /，注释被取消多行缩进mac代码选中的条件下，同时按住->| 键（Tab键），被选中行被缩进，再次按下⬆️键+ ->|键（Tab键），缩进被取消...