參考Tensorflow Machine Leanrning Cookbook

tf.ConfigProto()主要的作用是配置tf.Session的運(yùn)算方式，比如gpu運(yùn)算或者cpu運(yùn)算

具體代碼如下:

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, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3,2], name='b')

c = tf.matmul(a,b)
print(sess.run(c))

?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

?

具體解釋

log_device_placement=True

設(shè)置為True時(shí)，會(huì)打印出TensorFlow使用了那種操作

inter_op_parallelism_threads=0

設(shè)置線程一個(gè)操作內(nèi)部并行運(yùn)算的線程數(shù)，比如矩陣乘法，如果設(shè)置為０，則表示以最優(yōu)的線程數(shù)處理

intra_op_parallelism_threads=0

設(shè)置多個(gè)操作并行運(yùn)算的線程數(shù)，比如 c = a + b，d = e + f . 可以并行運(yùn)算

allow_soft_placement=True

有時(shí)候，不同的設(shè)備，它的cpu和gpu是不同的，如果將這個(gè)選項(xiàng)設(shè)置成True，那么當(dāng)運(yùn)行設(shè)備不滿足要求時(shí)，會(huì)自動(dòng)分配GPU或者CPU。

?

其他選項(xiàng)

當(dāng)使用GPU時(shí)候，Tensorflow運(yùn)行自動(dòng)慢慢達(dá)到最大GPU的內(nèi)存

session_config.gpu_options.allow_growth = True
1

當(dāng)使用GPU時(shí)，設(shè)置GPU內(nèi)存使用最大比例

session_config.gpu_options.per_process_gpu_memory_fraction = 0.4
1

是否能夠使用GPU進(jìn)行運(yùn)算

tf.test.is_built_with_cuda()
1

?

另外的處理方法

import tensorflow as tf

sess = tf.Session()

with tf.device('/cpu:0'):
a = tf.constant([1.0, 3.0, 5.0], shape=[1, 3])
b = tf.constant([2.0, 4.0, 6.0], shape=[3, 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))
---------------------
作者：泥石流中的一股清流
來源：CSDN
原文：https://blog.csdn.net/qq_31261509/article/details/79746114
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請(qǐng)附上博文鏈接！

總結(jié)

以上是生活随笔為你收集整理的Tensorflow中tf.ConfigProto()详解的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。