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。