自学建设网站,广东深圳龙岗区地图,网站关键词库怎么做,网站建设设计服务公司一般情况下,下载的TensorFlow版本如果是GPU版本,在运行过程中TensorFlow能自动检测。如果检测到GPU,TensorFlow会默认利用找到的第一个GPU来执行操作。如果机器上有超过一个可用的GPU,除第一个之外的其他GPU默认是不参与计算的。如果想让TensorFlow使用这些GPU执行操作,需要将运…一般情况下,下载的TensorFlow版本如果是GPU版本,在运行过程中TensorFlow能自动检测。如果检测到GPU,TensorFlow会默认利用找到的第一个GPU来执行操作。如果机器上有超过一个可用的GPU,除第一个之外的其他GPU默认是不参与计算的。如果想让TensorFlow使用这些GPU执行操作,需要将运算OP明确指派给它们执行。 指派特定的CPU或GPU执行操作的方法有两种:
①使用with……device语句来指派,示例代码如下:
#使用with语法建立session
with tf.Session() as sess:#指定CPUwith tf.device(/cpu:0):#计算具体数值 使用feed机制print(相加: %i % sess.run(add,feed_dict {a:3,b:4}))print(相乘: %i % sess.run(mul,feed_dict {a:3,b:4}))#使用fetch机制print(sess.run([mul,add],feed_dict {a:3,b:4}))
从代码中可以看到,设备用字符串进行标识,目前支持的设备包括以下几种: ①cpu:0 机器的cpu ②gpu:0 机器的第一个gpu,如果有的话 ③gpu:1 机器的第二个gpu,以此类推 ②通过tf.ConfigProto来构建一个config,在config中指定相关的GPU,并且在session中传入参数config自己创建的config来指定GPU操作 tf.ConfigProto函数的参数具体如下:
#log_device_placement True 是否打印设备分配日志
#allow_soft_placement True 如果指定的设备不存在,允许TF自动分配设备myconfig tf.ConfigProto(log_device_placemnet True,allow_soft_placement True)
session tf.Session(config myconfig) 通过tf.ConfigProto函数生成config后,还可以设置其属性来分配GPU的运算资源,如下代码的用图就是按需分配:
myconfig tf.ConfigProto(log_device_placement True, allow_soft_placement true)
config.gpu_options.allow_growth True
session tf.Session(config myconfig) 使用allow_growth刚开始会分配少量的GPU容量,然后按需慢慢地增加,
由于不会释放内存,会导致碎片。 也可以放在config创建的时候指定,如:
gpu_options tf.GPUOptions(allow_growth True)
myconfig tf.ConfigProto(gpu_options gpu_options) 还可以给GPU分配固定大小的计算资源,如:
gpu_options tf.GPUOptions(per_process_gpu_memory_fraction 0.5) 含义为分配给TensorFlow的GPU显存大小为GPU实际显存*0.5 完整示例代码如下:
import tensorflow.compat.v1 as tftf.compat.v1.disable_eager_execution()#通过占位符定义变量
a tf.compat.v1.placeholder(tf.int16)
b tf.compat.v1.placeholder(tf.int16)#a与b相加
add tf.add(a,b)
#a与b相乘
mul tf.multiply(a,b)gpu_options tf.GPUOptions(allow_growth True,per_process_gpu_memory_fraction 0.5)
myconfig tf.ConfigProto(gpu_options gpu_options)#使用with语法建立session
with tf.Session(config myconfig) as sess:#计算具体数值 使用feed机制print(相加: %i % sess.run(add,feed_dict {a:3,b:4}))print(相乘: %i % sess.run(mul,feed_dict {a:3,b:4}))#使用fetch机制print(sess.run([mul,add],feed_dict {a:3,b:4}))
运行结果如下:
