上午离开前让CPU版的TensorFlow跑起来了，就离开了。初始的accuracy是0.04，基本上就是瞎蒙的概率；速度刚刚好是一个epoch耗时90分钟，下午回来又等了很久，同时以蜗牛网速下载着CUDA，CUDA安装完的时候，跑完了2.5个epoch，也就是完成了2次训练，得到了第二个神经网络模型，第二个模型的accuracy大概是0.52。这时候将进程终止，修改train.py，让它从第三轮epoch开始进行，同时把CPU版的TensorFlow用GPU版本替换了。下午离开的时候，第三轮跑了一半，accuracy已经升到0.67了。
我们用的机器的GPU是GTX970，一般也就归为甜品卡，不算特别尖端。跑一个epoch大概耗时1500s。而另一台用Titan的机器，跑一个epoch只要900s，速度几乎快了一倍。不过按照我们的速度，机器跑一个通宵，第二天回来的时候也应该能跑完相当可观的轮次数了，虽然越往后降低损失函数可能越不容易，但是据老师说14个epoch得到的模型已经有很高的准确度了。还是要感谢CLDNN算法的优势。我们用的机器的GPU是GTX970，不算特别尖端。跑一个epoch大概耗时1500s。而另一台用Titan的机器，跑一个epoch只要900s，速度几乎快了一倍。不过按照我们的速度，机器跑一个通宵，第二天回来的时候也应该能跑完相当可观的轮次数了，虽然越往后降低损失函数可能越不容易，但是据老师说14个epoch得到的模型已经有很高的准确度了。还是要感谢CLDNN算法的优势。
<gallery>