tensorflow之如何使用GPU而不是CPU问题（tensorflow lite）原创

随心笔谈1年前发布编辑

144 0

目录如何使用GPU而不是CPU首先查看设备如果发现只有一个CPU可用tensorflow使用GPU的设置方式方法一方法二总结

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())　

则说明可能存在一下情况：

1 tensorflow-gpu是否安装，版本查看，如果版本低于tensorflow，则默认启动CPU（t-gpu版本最好高于t）

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/

2 CUDA初始化

在开始训练的前面输入如下：

# 使用CPU：
import os
os.environ[“CUDA_DEVICE_ORDER”]=”PCI_BUS_ID”
os.environ[“CUDA_VISIBLE_DEVICES”]=”-1″ # 这一行注释掉就是使用cpu，不注释就是使用gpu
# 使用GPU：
import os
os.environ[“CUDA_DEVICE_ORDER”]=”PCI_BUS_ID”
# os.environ[‘CUDA_VISIBLE_DEVICES’]=”0″ #这个是仅选择使用GPU 0
# os.environ[‘CUDA_VISIBLE_DEVICES’]=”1″ #这个是仅选择使用GPU 1
# os.environ[‘CUDA_VISIBLE_DEVICES’]=“0,1” #设置当前使用的GPU设备为0,1号

Config=tf.ConfigProto(allow_soft_placement=True) ?##:如果你指定的设备不存在,允许TF自动分配设备
Config.gpu_options.allow_growth=True ?##动态分配内存
sess=tf.session(config=config)

gpu_options=tf.GPUOptions(allow_growth=True)
gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.8,allow_growth=True) ##每个gpu占用0.8的显存
config=tf.ConfigProto(gpu_options=gpu_options,allow_soft_placement=True)
sess=tf.session(config=config)##如果电脑有多个GPU，tensorflow默认全部使用。如果想只使用部分GPU，可以设置CUDA_VISIBLE_DEVICES。

控制使用哪个gpu

os.environ[“CUDA_DEVICE_ORDER”]=“PCI_BUS_ID” ##指定的设备名称
os.environ[‘CUDA_VISIBLE_DEVICES’]=‘0′ #使用 GPU 0
os.environ[‘CUDA_VISIBLE_DEVICES’]=‘0,1′ # 使用 GPU 0，1

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:Tensorflow中使用cpu和gpu有什么区别用gpu训练好的神经网络,用tensorflow-cpu跑出错的原因及解决方案详解tf.device()指定tensorflow运行的GPU或CPU设备实现Window10上Tensorflow的安装(CPU和GPU版本)使用Tensorflow-GPU禁用GPU设置(CPU与GPU速度对比)卸载tensorflow-cpu重装tensorflow-gpu操作tensorflow指定CPU与GPU运算的方法实现