詳解tf.device()指定tensorflow運行的GPU或CPU設備實現(xiàn)
在tensorflow中,我們可以使用 tf.device() 指定模型運行的具體設備,可以指定運行在GPU還是CUP上,以及哪塊GPU上。
設置使用GPU
使用 tf.device('/gpu:1') 指定Session在第二塊GPU上運行:
import tensorflow as tf
with tf.device('/gpu:1'):
v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1')
v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2')
sumV12 = v1 + v2
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
print sess.run(sumV12)
ConfigProto() 中參數(shù) log_device_placement=True 會打印出執(zhí)行操作所用的設備,以上輸出:

如果安裝的是GPU版本的tensorflow,機器上有支持的GPU,也正確安裝了顯卡驅(qū)動、CUDA和cuDNN,默認情況下,Session會在GPU上運行:
import tensorflow as tf v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1') v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2') sumV12 = v1 + v2 with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print sess.run(sumV12)
默認在GPU:0上執(zhí)行:

設置使用cpu
tensorflow中不同的GPU使用/gpu:0和/gpu:1區(qū)分,而CPU不區(qū)分設備號,統(tǒng)一使用 /cpu:0
import tensorflow as tf
with tf.device('/cpu:0'):
v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1')
v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2')
sumV12 = v1 + v2
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
print sess.run(sumV12)

到此這篇關(guān)于詳解tf.device()指定tensorflow運行的GPU或CPU設備實現(xiàn)的文章就介紹到這了,更多相關(guān)tensorflow運行GPU或CPU內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- 運行tensorflow python程序,限制對GPU和CPU的占用操作
- 基于Tensorflow使用CPU而不用GPU問題的解決
- 在tensorflow中設置使用某一塊GPU、多GPU、CPU的操作
- tensorflow指定CPU與GPU運算的方法實現(xiàn)
- 卸載tensorflow-cpu重裝tensorflow-gpu操作
- 使用Tensorflow-GPU禁用GPU設置(CPU與GPU速度對比)
- 用gpu訓練好的神經(jīng)網(wǎng)絡,用tensorflow-cpu跑出錯的原因及解決方案
- Tensorflow中使用cpu和gpu有什么區(qū)別
- tensorflow之如何使用GPU而不是CPU問題
- TensorFlow安裝CPU版本和GPU版本的實現(xiàn)步驟
相關(guān)文章
opencv python截取圓形區(qū)域的實現(xiàn)
本文主要介紹了opencv python截取圓形區(qū)域的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2022-08-08
python畫圖——實現(xiàn)在圖上標注上具體數(shù)值的方法
今天小編就為大家分享一篇python畫圖——實現(xiàn)在圖上標注上具體數(shù)值的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07

