Tensorflow中tf.ConfigProto()的用法詳解
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))
具體解釋
log_device_placement=True
設(shè)置為T(mén)rue時(shí)，會(huì)打印出TensorFlow使用了那種操作
inter_op_parallelism_threads=0
設(shè)置線(xiàn)程一個(gè)操作內(nèi)部并行運(yùn)算的線(xiàn)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(xiàn)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(xiàn)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(mǎn)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
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
是否能夠使用GPU進(jìn)行運(yùn)算
tf.test.is_built_with_cuda()
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))
以上這篇Tensorflow中tf.ConfigProto()的用法詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
python 判斷文件還是文件夾的簡(jiǎn)單實(shí)例
今天小編就為大家分享一篇python 判斷文件還是文件夾的簡(jiǎn)單實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06
cv2.imread?和?cv2.imdecode?用法及區(qū)別
對(duì)于路徑中含有中文的圖像，直接用cv2.imread讀取會(huì)報(bào)錯(cuò)，上次看到有大佬使用cv2.imdecode就可以正常讀取，有點(diǎn)好奇，所以今天來(lái)記錄下二者用法和區(qū)別，感興趣的朋友跟隨小編一起看看吧2023-02-02
這篇文章主要介紹了python實(shí)現(xiàn)兩字符串映射方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
這篇文章首先簡(jiǎn)單介紹了網(wǎng)絡(luò)爬蟲(chóng)的基本概念，然后向大家分享了一段有關(guān)爬取電商售賣(mài)信息的實(shí)例代碼，具有一定參考價(jià)值，需要的朋友可以了解下。2017-10-10
本文主要介紹了Pandas篩選某列過(guò)濾的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01
Python爬蟲(chóng)獲取整個(gè)站點(diǎn)中的所有外部鏈接代碼示例
這篇文章主要介紹了Python爬蟲(chóng)獲取整個(gè)站點(diǎn)中的所有外部鏈接代碼示例，具有一定借鑒價(jià)值,需要的朋友可以參考下2017-12-12
tensorflow之如何使用GPU而不是CPU問(wèn)題
這篇文章主要介紹了tensorflow之如何使用GPU而不是CPU問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
Python 中的 import 機(jī)制之實(shí)現(xiàn)遠(yuǎn)程導(dǎo)入模塊
模塊導(dǎo)入（ import ），是指在一個(gè)模塊中使用另一個(gè)模塊的代碼的操作，它有利于代碼的復(fù)用。這篇文章主要介紹了Python 的 import 機(jī)制：實(shí)現(xiàn)遠(yuǎn)程導(dǎo)入模塊,需要的朋友可以參考下2019-10-10
今天小編就為大家分享一篇在Pandas中給多層索引降級(jí)的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-11-11
今天小編就為大家分享一篇關(guān)于numpy數(shù)組軸的使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-12-12