tensorflow无法使用GPU

最新推荐文章于 2025-04-19 12:43:36 发布

.我心永恒_

最新推荐文章于 2025-04-19 12:43:36 发布

阅读量3.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 深度学习文章标签： tensorflow GPU运行

本文链接：https://blog.youkuaiyun.com/sinat_36618660/article/details/99593283

当TensorFlow无法使用GPU时，可以通过指定设备分配及查看设备调用来解决。在Jupyter Notebook中，log_device_placement可能无法显示设备信息，但可以通过partition_graphs方式在IDE中打印出来。

代码一:
选用默认设备计算

import tensorflow as tf
with tf.device('/gpu:0'):#选用默认设备(gpu:0)计算以下张量
    inputs = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    weights = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    bias = tf.zeros(shape=[weights.get_shape()[-1]])
    logits = tf.add(tf.matmul(inputs,weights),bias)

若tensorflow无法使用GPU加速,可以加上以下代码,可以动态分配cpu与gpu,并可以查看设备调用信息

#gpu_options
#gpu_options = tf.GPUOptions(allow_growth=True) #允许GPU内存分配动态增加
gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.4)#限制GPU使用率为0.4
#以上两gpu_options取其一

# allow_soft_placement:允许动态分配gpu内存
# log_device_placement:打印出设备信息
config = tf.ConfigProto(
    allow_soft_placement=True,log_device_placement=True,gpu_options=gpu_options)

with tf.Session(config=config) as sess:
    sess.run(tf.global_variables_initializer())
    print("logits:",sess.run(logits))

注:log_device