溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了如何實現tensorflow指定CPU與GPU運算，內容簡而易懂，希望大家可以學習一下，學習完之后肯定會有收獲的，下面讓小編帶大家一起來看看吧。
1.指定GPU運算
如果安裝的是GPU版本，在運行的過程中TensorFlow能夠自動檢測。如果檢測到GPU，TensorFlow會盡可能的利用找到的第一個GPU來執行操作。
如果機器上有超過一個可用的GPU，除了第一個之外的其他的GPU默認是不參與計算的。為了讓TensorFlow使用這些GPU，必須將OP明確指派給他們執行。with......device語句能夠用來指派特定的CPU或者GPU執行操作：
import tensorflow as tf
import numpy as np
with tf.Session() as sess:
with tf.device('/cpu:0'):
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
add = tf.add(a, b)
sum = sess.run(add, feed_dict={a: 3, b: 4})
print(sum)設備的字符串標識，當前支持的設備包括以下的幾種：
cpu:0 機器的第一個cpu。
gpu:0 機器的第一個gpu，如果有的話
gpu:1 機器的第二個gpu，依次類推
類似的還有tf.ConfigProto來構建一個config，在config中指定相關的GPU，并且在session中傳入參數config=“自己創建的config”來指定gpu操作
其中，tf.ConfigProto函數的參數如下：
log_device_placement=True: 是否打印設備分配日志
allow_soft_placement=True: 如果指定的設備不存在，允許TF自動分配設備
import tensorflow as tf
import numpy as np
config = tf.ConfigProto(log_device_placement=True, allow_soft_placement=True)
with tf.Session(config=config) as sess:
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
add = tf.add(a, b)
sum = sess.run(add, feed_dict={a: 3, b: 4})
print(sum)2.設置GPU使用資源
上文的tf.ConfigProto函數生成的config之后，還可以設置其屬性來分配GPU的運算資源，如下代碼就是按需分配
import tensorflow as tf
import numpy as np
config = tf.ConfigProto(log_device_placement=True, allow_soft_placement=True)
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
add = tf.add(a, b)
sum = sess.run(add, feed_dict={a: 3, b: 4})
print(sum)使用allow_growth option，剛開始會分配少量的GPU容量，然后按需要慢慢的增加，有與不會釋放內存，隨意會導致內存碎片。
同樣，上述的代碼也可以在config創建時指定，
import tensorflow as tf
import numpy as np
gpu_options = tf.GPUOptions(allow_growth=True)
config = tf.ConfigProto(gpu_options=gpu_options)
with tf.Session(config=config) as sess:
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
add = tf.add(a, b)
sum = sess.run(add, feed_dict={a: 3, b: 4})
print(sum)我們還可以給gpu分配固定大小的計算資源。
gpu_options = tf.GPUOptions(allow_growth=True, per_process_gpu_memory_fraction=0.5)
上述代碼的含義是分配給tensorflow的GPU顯存大小為：GPU的實際顯存*0.5
以上就是關于如何實現tensorflow指定CPU與GPU運算的內容，如果你們有學習到知識或者技能，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
