详解tf.device()指定tensorflow运行的GPU或CPU设备实现
在tensorflow中，我们可以使用tf.device()指定模型运行的具体设备，可以指定运行在GPU还是CUP上，以及哪块GPU上。
设置使用GPU
使用tf.device('/gpu:1')指定Session在第二块GPU上运行：
importtensorflowastf
withtf.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
withtf.Session(config=tf.ConfigProto(log_device_placement=True))assess:
printsess.run(sumV12)
ConfigProto()中参数log_device_placement=True 会打印出执行操作所用的设备，以上输出：
importtensorflowastf 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 withtf.Session(config=tf.ConfigProto(log_device_placement=True))assess: printsess.run(sumV12)
默认在GPU:0上执行：
设置使用cpu
tensorflow中不同的GPU使用/gpu:0和/gpu:1区分，而CPU不区分设备号，统一使用/cpu:0
importtensorflowastf
withtf.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
withtf.Session(config=tf.ConfigProto(log_device_placement=True))assess:
printsess.run(sumV12)
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,更多相关tensorflow运行GPU或CPU内容请搜索毛票票以前的文章或继续浏览下面的相关文章希望大家以后多多支持毛票票！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。