• 售前

  • 售后

热门帖子
入门百科

详解tf.device()指定tensorflow运行的GPU或CPU装备实现

[复制链接]
123457682 显示全部楼层 发表于 2021-10-25 19:57:22 |阅读模式 打印 上一主题 下一主题
在tensorflow中,我们可以利用 tf.device() 指定模子运行的详细设备,可以指定运行在GPU还是CUP上,以及哪块GPU上。
设置利用GPU

利用 tf.device('/gpu:1') 指定Session在第二块GPU上运行:
  1. import tensorflow as tf
  2. with tf.device('/gpu:1'):
  3.   v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1')
  4.   v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2')
  5.   sumV12 = v1 + v2
  6.   with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
  7.     print sess.run(sumV12)
复制代码
ConfigProto() 中参数 log_device_placement=True  会打印出执行操纵所用的设备,以上输出:


假如安装的是GPU版本的tensorflow,呆板上有支持的GPU,也精确安装了显卡驱动、CUDA和cuDNN,默认情况下,Session会在GPU上运行:
  1. import tensorflow as tf
  2. v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1')
  3. v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2')
  4. sumV12 = v1 + v2
  5. with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
  6.   print sess.run(sumV12)
复制代码
默认在GPU:0上执行:


设置利用cpu

tensorflow中差别的GPU利用/gpu:0和/gpu:1区分,而CPU不区分设备号,统一利用 /cpu:0
  1. import tensorflow as tf
  2. with tf.device('/cpu:0'):
  3.   v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1')
  4.   v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2')
  5.   sumV12 = v1 + v2
  6.   with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
  7.     print sess.run(sumV12)
复制代码
到此这篇关于详解tf.device()指定tensorflow运行的GPU或CPU设备实现的文章就介绍到这了,更多干系tensorflow运行GPU或CPU内容请搜刮草根技术分享从前的文章或继承浏览下面的干系文章渴望各人以后多多支持草根技术分享!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

帖子地址: 

回复

使用道具 举报

分享
推广
火星云矿 | 预约S19Pro,享500抵1000!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

草根技术分享(草根吧)是全球知名中文IT技术交流平台,创建于2021年,包含原创博客、精品问答、职业培训、技术社区、资源下载等产品服务,提供原创、优质、完整内容的专业IT技术开发社区。
  • 官方手机版

  • 微信公众号

  • 商务合作