TensorFlow指定CPU和GPU方法
TensorFlow 支持 CPU 和 GPU。它也支持分布式計算。可以在一個或多個計算機系統的多個設備上使用 TensorFlow。
TensorFlow 將支持的 CPU 設備命名為“/device：CPU：0”（或“/cpu：0”），第 i 個 GPU 設備命名為“/device：GPU：I”（或“/gpu：I”）。
如前所述，GPU 比 CPU 要快得多，因為它們有許多小的內核。然而，在所有類型的計算中都使用 GPU 也并不一定都有速度上的優勢。有時，比起使用 GPU 并行計算在速度上的優勢收益，使用 GPU 的其他代價相對更為昂貴。
為了解決這個問題，TensorFlow 可以選擇將計算放在一個特定的設備上。默認情況下，如果 CPU 和 GPU 都存在，TensorFlow 會優先考慮 GPU。
TensorFlow 將設備表示為字符串。文展示如何在 TensorFlow 中指定某一設備用于矩陣乘法的計算。
具體做法
? 要驗證 TensorFlow 是否確實在使用指定的設備（CPU 或 GPU），可以創建會話，并將 log_device_placement 標志設置為 True，即：

? 如果你不確定設備，并希望 TensorFlow 選擇現有和受支持的設備，則可以將 allow_soft_placement 標志設置為 True：

? 手動選擇 CPU 進行操作：

得到以下輸出：

可以看到，在這種情況下，所有的設備都是 ‘/cpu：0’。
? 手動選擇一個 GPU 來操作：

輸出現在更改為以下內容：

每個操作之后的’/cpu：0’現在被替換為’/gpu：0’。
? 手動選擇多個GPU：

在這種情況下，如果系統有 3 個 GPU 設備，那么第一組乘法將由’/：gpu：1’執行，第二組乘以’/gpu：2’執行。
解讀分析
函數 tf.device() 選擇設備（CPU 或 GPU）。with 塊確保設備被選擇并用于其操作。with 塊中定義的所有變量、常量和操作將使用在 tf.device() 中選擇的設備。
會話配置使用 tf.ConfigProto 進行控制。通過設置 allow_soft_placement 和 log_device_placement 標志，表示 TensorFlow 在指定的設備不可用時自動選擇可用的設備，并在執行會話時給出日志消息作為描述設備分配的輸出。

總結

以上是生活随笔為你收集整理的TensorFlow指定CPU和GPU方法的全部內容，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。