tensorflow tf.ConfigProto() （配置tf.Session的运算方式）（allow_soft_placement、inter_op_parallelism

tf.ConfigProto()主要的作用是配置tf.Session的运算方式，比如gpu运算或者cpu运算

log_device_placement=True

设置tf.ConfigProto()中参数log_device_placement = True ,可以获取到 operations 和 Tensor 被指派到哪个设备(几号CPU或几号GPU)上运行,会在终端打印出各项操作是在哪个设备上运行的。

inter_op_parallelism_threads=0

设置线程一个操作内部并行运算的线程数，比如矩阵乘法，如果设置为０，则表示以最优的线程数处理

intra_op_parallelism_threads=0

设置多个操作并行运算的线程数，比如 c = a + b，d = e + f . 可以并行运算

allow_soft_placement=True

在tf中，通过命令 “with tf.device(’/cpu:0’):”,允许手动设置操作运行的设备。如果手动设置的设备不存在或者不可用，就会导致tf程序等待或异常，为了防止这种情况，可以设置tf.ConfigProto()中参数allow_soft_placement=True，允许tf自动选择一个存在并且可用的设备来运行操作。

另外：

限制GPU资源使用：

为了加快运行效率，TensorFlow在初始化时会尝试分配所有可用的GPU显存资源给自己，这在多人使用的服务器上工作就会导致GPU占用，别人无法使用GPU工作的情况。

tf提供了两种控制GPU资源使用的方法，一是让TensorFlow在运行过程中动态申请显存，需要多少就申请多少;第二种方式就是限制GPU的使用率。

一、动态申请显存

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

二、限制GPU使用率

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.4  #占用40%显存
session = tf.Session(config=config)

或者：

gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.4)
config=tf.ConfigProto(gpu_options=gpu_options)
session = tf.Session(config=config)

设置使用哪块GPU

方法一、在python程序中设置：

os.environ['CUDA_VISIBLE_DEVICES'] = '0' #使用 GPU 0
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' # 使用 GPU 0，1

方法二、在执行python程序时候：

CUDA_VISIBLE_DEVICES=0,1 python yourcode.py

推荐使用更灵活一点的第二种方法。

参考文章：Tensorflow中tf.ConfigProto()详解

tensorflow tf.ConfigProto() （配置tf.Session的运算方式）（allow_soft_placement、inter_op_parallelism_threads等）相关推荐

tensorflow中使用tf.ConfigProto()配置Session运行参数GPU设备指定
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/dcrmg/article/detail ...
Tensorflow中tf.ConfigProto()详解
参考Tensorflow Machine Leanrning Cookbook tf.ConfigProto()主要的作用是配置tf.Session的运算方式,比如gpu运算或者cpu运算具体代码如 ...
TensorFlow学习——tf.GPUOptions和tf.ConfigProto用法解析
在服务器上用多GPU做训练时,由于想只用其中的一个GPU设备做训练,可使用深度学习代码运行时往往出现多个GPU显存被占满清理.出现该现象主要是tensorflow训练时默认占用所有GPU的显存. 查看 ...
tf.ConfigProto()详解
tf.ConfigProto()主要的作用是配置tf.Session的运算方式,比如gpu运算或者cpu运算 tf.ConfigProto一般用在创建session的时候,用来对session进行参数 ...
tensorflow 无法执行sess =tf .session ()_深度学习|费解的tensorflow
学过Python的小伙伴都会觉得,python的语法简单,逻辑清晰.虽然tensorflow是python的一个库(并不是标准库),但是使用并不简单,你可能会被tensorflow的奇怪语法设计困惑, ...
with tf.Session(config=tf.ConfigProto(log_device_placement=True))
这个加上后,不能顺利利用gpu了, with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess,tf.devic ...
tensorflow 启动Session(tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session() )
(1)tf.Session() 计算图构造完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象. 示例程序: #coding:utf-8 import tensorflow as t ...
TensorFlow 学习（二）—— tf.Graph、tf.Session() 与 tf.Session().run()
session: with tf.Session() as sess:/ tf.InteractiveSession() 初始化: tf.global_variables_initializer() ...
tf.ConfigProto()函数
tf.ConfigProto一般用在创建session的时候用来对session进行参数配置. tf.ConfigProto()的参数 log_device_placement = True : 是否 ...

tensorflow tf.ConfigProto() （配置tf.Session的运算方式）（allow_soft_placement、inter_op_parallelism_threads等）

tensorflow tf.ConfigProto() （配置tf.Session的运算方式）（allow_soft_placement、inter_op_parallelism_threads等）相关推荐

最新文章

热门文章