TensorFlow——tensorflow指定CPU與GPU運算

1.指定GPU運算

若是安裝的是GPU版本，在運行的過程當中TensorFlow可以自動檢測。若是檢測到GPU，TensorFlow會盡量的利用找到的第一個GPU來執行操做。

若是機器上有超過一個可用的GPU，除了第一個以外的其餘的GPU默認是不參與計算的。爲了讓TensorFlow使用這些GPU，必須將OP明確指派給他們執行。with......device語句可以用來指派特定的CPU或者GPU執行操做：

import tensorflow as tf
import numpy as np

with tf.Session() as sess:
    with tf.device('/cpu:0'):
        a = tf.placeholder(tf.int32)
        b = tf.placeholder(tf.int32)
        add = tf.add(a, b)
        sum = sess.run(add, feed_dict={a: 3, b: 4})
        print(sum)

設備的字符串標識，當前支持的設備包括如下的幾種：

cpu:0  機器的第一個cpu。

gpu:0  機器的第一個gpu，若是有的話

gpu:1  機器的第二個gpu，依次類推

相似的還有tf.ConfigProto來構建一個config，在config中指定相關的GPU，而且在session中傳入參數config=「本身建立的config」來指定gpu操做

其中，tf.ConfigProto函數的參數以下：

log_device_placement=True: 是否打印設備分配日誌

allow_soft_placement=True: 若是指定的設備不存在，容許TF自動分配設備

import tensorflow as tf
import numpy as np

config = tf.ConfigProto(log_device_placement=True, allow_soft_placement=True)

with tf.Session(config=config) as sess:
    a = tf.placeholder(tf.int32)
    b = tf.placeholder(tf.int32)
    add = tf.add(a, b)
    sum = sess.run(add, feed_dict={a: 3, b: 4})
    print(sum)

2.設置GPU使用資源

上文的tf.ConfigProto函數生成的config以後，還能夠設置其屬性來分配GPU的運算資源，以下代碼就是按需分配

import tensorflow as tf
import numpy as np

config = tf.ConfigProto(log_device_placement=True, allow_soft_placement=True)
config.gpu_options.allow_growth = True

with tf.Session(config=config) as sess:
    a = tf.placeholder(tf.int32)
    b = tf.placeholder(tf.int32)
    add = tf.add(a, b)
    sum = sess.run(add, feed_dict={a: 3, b: 4})
    print(sum)

使用 allow_growth option，剛開始會分配少許的GPU容量，而後按須要慢慢的增長，有與不會釋放內存，隨意會致使內存碎片。

一樣，上述的代碼也能夠在config建立時指定，

import tensorflow as tf
import numpy as np

gpu_options = tf.GPUOptions(allow_growth=True)
config = tf.ConfigProto(gpu_options=gpu_options)


with tf.Session(config=config) as sess:
    a = tf.placeholder(tf.int32)
    b = tf.placeholder(tf.int32)
    add = tf.add(a, b)
    sum = sess.run(add, feed_dict={a: 3, b: 4})
    print(sum)

咱們還能夠給gpu分配固定大小的計算資源。

gpu_options = tf.GPUOptions(allow_growth=True, per_process_gpu_memory_fraction=0.5)

上述代碼的含義是分配給tensorflow的GPU顯存大小爲：GPU的實際顯存*0.5