tensorflow查看电脑的CPU和GPU

最新推荐文章于 2025-06-09 14:55:13 发布

原创最新推荐文章于 2025-06-09 14:55:13 发布 · 1.1k 阅读

2 ·

CC 4.0 BY-SA版权

人工智能专栏收录该内容

20 篇文章

订阅专栏

本文介绍了如何使用TensorFlow检查本地计算机的GPU和CPU资源，演示了如何指定CPU或GPU进行计算任务，并提供了查看TensorFlow操作详细信息和硬件使用情况的方法。通过具体的代码示例，展示了如何利用TensorFlow的设备API进行计算资源的高效利用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、查看电脑GPU和CPU

import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
 
if __name__ == "__main__":
    print(device_lib.list_local_devices())

在这里插入图片描述

2.指定CPU或GPU进行计算

    #使用CPU进行计算
    with tf.device("/cpu:0"):
        a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3])
        b = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2])
        c = tf.matmul(a,b)
        #查看计算时硬件的使用情况
        sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
        print(sess.run(c))

3.查看tensor详细情况

        #设置运行时候的参数
        options = tf.RunOptions(output_partition_graphs=True)
        metadata = tf.RunMetadata()
        c_val = sess.run(c,options=options,run_metadata=metadata)
        print(metadata.partition_graphs)
        #关闭session
        sess.close()