Tensorflow中tf.ConfigProto()的用法詳解
阿新 • • 發佈:2020-02-07
參考Tensorflow Machine Leanrning Cookbook
tf.ConfigProto()主要的作用是配置tf.Session的運算方式,比如gpu運算或者cpu運算
具體程式碼如下:
import tensorflow as tf session_config = tf.ConfigProto( log_device_placement=True,inter_op_parallelism_threads=0,intra_op_parallelism_threads=0,allow_soft_placement=True) sess = tf.Session(config=session_config) a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='b') b = tf.constant([1.0,shape=[3,2],name='b') c = tf.matmul(a,b) print(sess.run(c))
具體解釋
log_device_placement=True
設定為True時,會打印出TensorFlow使用了那種操作
inter_op_parallelism_threads=0
設定執行緒一個操作內部並行運算的執行緒數,比如矩陣乘法,如果設定為0,則表示以最優的執行緒數處理
intra_op_parallelism_threads=0
設定多個操作並行運算的執行緒數,比如 c = a + b,d = e + f . 可以並行運算
allow_soft_placement=True
有時候,不同的裝置,它的cpu和gpu是不同的,如果將這個選項設定成True,那麼當執行裝置不滿足要求時,會自動分配GPU或者CPU。
其他選項
當使用GPU時候,Tensorflow執行自動慢慢達到最大GPU的記憶體
session_config.gpu_options.allow_growth = True
當使用GPU時,設定GPU記憶體使用最大比例
session_config.gpu_options.per_process_gpu_memory_fraction = 0.4
是否能夠使用GPU進行運算
tf.test.is_built_with_cuda()
另外的處理方法
import tensorflow as tf sess = tf.Session() with tf.device('/cpu:0'): a = tf.constant([1.0,5.0],shape=[1,3]) b = tf.constant([2.0,1]) with tf.device('/gpu:0'): c = tf.matmul(a,b) c = tf.reshape(c,[-1]) with tf.device('/gpu:0'): d = tf.matmul(b,a) flat_d = tf.reshape(d,[-1]) combined = tf.multiply(c,flat_d) print(sess.run(combined))
以上這篇Tensorflow中tf.ConfigProto()的用法詳解就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。