• 如果 TensorFlow 指令中兼有 CPU 和 GPU 實現，當該指令分配到設備時，GPU 設備有優先權。

• 如果你的系統里有多個 GPU, 那么 ID 最小的 GPU 會默認使用。

當我們要指定tensorflow運行的GPU或CPU設備時，可以使用tf.device()命令

首先查看可用運算設備(CPU,GPU)

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

得到類似以下的輸出結果

[name: "/device:CPU:0" device_type: "CPU" memory_limit: 268435456 locality { } incarnation: 13177083330855175469 , name: "/device:GPU:0" device_type: "GPU" memory_limit: 10968950375 locality {bus_id: 1 } incarnation: 6161624703599064583 physical_device_desc: "device: 0, name: GeForce GTX 1080 Ti, pci bus id: 0000:00:08.0, compute capability: 6.1" ]

name即是對應設備名稱，一般來說（以各自實際情況為準，每個人的情況可能不同）

"/cpu:0"：機器的 CPU。 "/device:GPU:0"：機器的 GPU（如果有一個）。 "/device:GPU:1"：機器的第二個 GPU（以此類推）。

使用命令tf.device()進行指定

import os os.environ["CUDA_VISIBLE_DEVICES"] = '/device:GPU:0' 創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的指定tensorflow运行的GPU或CPU设备的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。