tensorflow-gpu测试

最新推荐文章于 2025-07-10 12:30:35 发布

转载最新推荐文章于 2025-07-10 12:30:35 发布 · 1.3k 阅读

TensorFLow 专栏收录该内容

25 篇文章

订阅专栏

本文通过一个具体的TensorFlow代码实例展示了如何在CPU和GPU之间分配运算任务。使用tf.device装饰器明确指定了张量a和b在CPU上创建，并在GPU上执行加法运算c。此外，通过配置Session允许软设备放置，确保了即使指定设备不支持某些操作时也能正确运行。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.youkuaiyun.com/william_hehe/article/details/79615894

import tensorflow as tf
 
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b
   
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))