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 log_device_placement=True 會打印出執行操作所用的設備，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上執行：
設置使用cpu
tensorflow中不同的GPU使用/gpu:0和/gpu:1區分，而CPU不區分設備號，統一使用 /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)
到此這篇關于詳解tf.device()指定tensorflow運行的GPU或CPU設備實現的文章就介紹到這了,更多相關tensorflow運行GPU或CPU內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- tensorflow 利用expand_dims和squeeze擴展和壓縮tensor維度方式
- TensorFlow低版本代碼自動升級為1.0版本
- TensorFlow的環境配置與安裝方法
- TensorFlow2.0使用keras訓練模型的實現
- 解決tensorflow模型壓縮的問題_踩坑無數,總算搞定
