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 tfwith 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 + v2with 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 tfv1 = 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 + v2with 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 tfwith 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 + v2with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:print sess.run(sumV12)

轉載于:https://www.cnblogs.com/mtcnn/p/9411709.html

總結

以上是生活随笔為你收集整理的tf.device()指定tensorflow运行的GPU或CPU设备的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。