duoduo

could you please add the resources link +1

thx. But recently I tried to make predictions, it ran out of my memory and swap. I have 32G memory and 32G swap. And I only gave 4 pictures to...

> 可以了，微服务的配置里面，sentinel的nacos datasource数据源指定上nacos的user和password就可以了，不知道为啥需要这样做，看了很多资料都没说要指定用户名和密码。数据源不指定namespace的话，默认取public名称空间里面的配置。 请教一下这个是怎么配置的呀？

训练的时候显卡利用率可以达到100%，但是验证的时候就一直是0%，我发现整个验证的过程完全是在cpu中进行的，最终验证一次需要7000多秒。

机子centos 6， python2.7， tf1.10.0， P40显卡 验证时，gpu_memory_fraction我从在[0, 0.1, 0.8, 1]这些值里面都试过了，最终都是没有让GPU跑起来 修改log_device_placement=True后，报出的信息全部是CPU的。但是我通过watch -n 1 nvidia-smi观察显存发现显存能被占住，可是显卡没有在计算。CPU利用率达到了500%。 后来我把220行左右的with tf.device('/device:CPU:0')注释掉了，显卡才能开始计算，并且报出的信息是可以看到某些结构是在GPU中计算的。但是验证速度依旧很慢。 我在另一个机子上重新实验了一下，Ubuntu16.04 ，python2.7, tf1.10.0， 1080Ti显卡还有Ubuntu16.04 ，python2.7, tf1.12.0， 1080Ti显卡。两种情况的验证都是很快的，显卡利用率到了20%。