本篇笔记主要总结了如何在 TensorFlow 如何构建高效的 Input Pipeline，目的是协调 CPU 文件预处理和 GPU 模型计算之间的调度，尽最大限度发挥 GPU 算力。其中涉及到 TFRecord 文件的读写，tf.image 模块对图像的处理，以及版本 1.4 前使用的生产者/消费者多线程文件读写流程，和 1.4 后官方主推的 Dataset 处理方式。后者已经开始逐步支持 eager 模式。
说明 1：本文默认已安装 Nvidia 私有驱动。检查方法：桌面右上角点击设置图标，点击关于这台计算机，在图形一栏若显示 GeForce GTX960/… 类似字样，说明已安装 N 卡私有驱动。否则请参考我的另一篇博客Ubuntu下GTX1080显卡驱动折腾小记。
说明 2：若已安装 CUDA 8.0 之前的版本（比如 7.5）建议先卸载旧版本 CUDA: 运行位于 /usr/local/cuda-7.5/bin 下的 uninstall 脚本，然后重启。
下载地址：https://developer.nvidia.com/cuda-downloads
本文选取 runfile 文件安装方式，如下图：