顯卡算力低tensorflow
A. 電腦的顯卡不支持tensorflow-gpu加速 最好的解決辦法
你這是專業制圖顯卡，是有的不支持，這種機器不便宜，不支持的話也沒辦法，再買一個機器或者換顯卡，並不是顯卡越貴越好，是你需要什麼樣的才最重要。
B. 我買了一塊GTX 1660TI顯卡，顯卡驅動10.1，請問能使用caffe、tensorflow訓練模型嗎
理論上是可以的。
雖然沒試過GTX1660TI，但是GTX1060是沒有問題的，新款顯卡沒有理由不支持，如果樓主測試，加速環境顯示不支持，可以更換別的編譯器版本，也可以參考網上的深度學習環境搭建參考一下。
C. 運行tensorflow需要怎麼的電腦配置
TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，需要一個類似工作站的電腦配置運行的，就算低一些的配置也是i7 8700K這種類似的配置，因為越深入預算配置要求越高，給你一個配置單參考下：
英特爾i7 8700K處理器，
華碩Z370-P主板，
金士頓16G DDR4 2400內存條 X 2根，
技嘉GTX1080Ti Gaming OC 11G顯卡，
浦科特M9PeG 256G M.2介面固態硬碟，
希捷1TB機械硬碟，
酷冷至尊冰神B240 CPU水冷散熱器，
海韻FOCUS+750FX 750W電源，
美商海盜船SPEC-05機箱。
D. win版Tensorflow顯示顯存容量與顯卡顯存實際容量不符
有幾點建議供您參考：
一、使用360、優化大師等工具，將系統啟動項進行優化，盡量不要自啟動不常用的進程，如果不會就選擇「一鍵優化」。
二、使用上面的工具刪除垃圾文件。。並對磁碟進行清理。
三、將C盤重新整理一下，刪除不常用的程序。同時，將應用程序安裝在除系統盤的其它盤裡面。。
四、擴充內存，並更改虛擬內存的容量，建議設置為物理內存的1.5-2倍。。。
E. GTX1060顯卡 用tensorflow 和 CUDA數據並行計算 如何開啟最佳特性
實測使用聯想Y720，GTX1060，跑tensorflow。
環境是vs2017，配置有點麻煩，但是確定可以成功，安裝好gpu版的tf之後，需要安裝cuda和cudnn，其中涉及到版本，需要有一各cudnn的高低版本混裝的過程。測試時間2017年12月。
最近（2018年2月），聽說英偉達有更新，可能安裝會更容易，默認全性能運行cuda（好像是）。
F. 訓練TensorFlow模型的時候，GPU使用率總是出現突然的降低，波動很大，我想問問大神們原因是什麼
我在用pytorch訓練時也出現這樣的問題，可能是模型相對較小，數據從CPU傳遞到GPU需要一定的時間。
G. 能跑tensorflow gpu版的外置顯卡有嗎
需要買外置顯卡轉接卡！就可以裝外置顯卡了，什麼顯卡都可以
H. tensorflow可用幾個顯卡
一般情況下的話，他最多可以只用兩個，所以在這方面的話一定要注意的，不可以用的太多。
I. tensorflow 一定要nvida的顯卡嗎
是的，得用英偉達的，