如何配置TensorFlow以优先使用高性能GPU而非CPU进行深度学习计算？

本文共计517个文字，预计阅读时间需要3分钟。

目录- 如何使用GPU而不使用CPU- 首先查看设备- 如果只有一台CPU可用- tensorflow使用GPU的设置方式- 方法一- 方法二- 总结- 如何使用GPU而不使用CPU- 首先查看设备- from tensorflow.python.client import device

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

如何使用GPU而不是CPU

首先查看设备

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

如果发现只有一个CPU可用

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 pypi.douban.com/simple/

2CUDA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

tensorflow使用GPU的设置方式

方法一

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)

方法二

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

总结

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自由互联。