【tensorflow】tensorflow中使用gpu方法
在tensorflow中，我們可以使用 tf.device() 指定模型執行的具體裝置，可以指定執行在GPU還是CUP上，以及哪塊GPU上。
設定使用GPU
使用 tf.device('/gpu:1') 指定Session在第二塊GPU上執行：
import tensorflow as tf with tf.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 with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print sess.run(sumV12) ConfigProto() 中引數 log_device_placement=True 會打印出執行操作所用的裝置，以上輸出：
如果安裝的是GPU版本的tensorflow，機器上有支援的GPU，也正確安裝了顯示卡驅動、CUDA和cuDNN，預設情況下，Session會在GPU上執行：
import tensorflow as tf 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 with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print sess.run(sumV12)
預設在GPU:0上執行：
設定使用cpu
tensorflow中不同的GPU使用/gpu:0和/gpu:1區分，而CPU不區分裝置號，統一使用 /cpu:0
import tensorflow as tf with tf.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 with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print sess.run(sumV12)
轉載自：
--------------------- 作者：-牧野- 來源：CSDN 原文：https://blog.csdn.net/dcrmg/article/details/79747882