当前位置:   article > 正文

Tutorial--怎么看自己安装的Tensorflow是GPU版本的还是CPU版本的_查看自己的tenso是cpu还是gpu

查看自己的tenso是cpu还是gpu

例子1:
为了获取你的 operations 和 Tensor 被指派到哪个设备上运行, 用log_device_placement 新建一个 session, 并设置为 True来记录设备指派情况。

例子(矩阵相乘)

import tensorflow as tf
# 新建一个 graph
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
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)
# 新建session with log_device_placement并设置为True
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# 运行这个 op
print (sess.run(c))
#任务完成,关闭会话
sess.close()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

结果:
在这里插入图片描述

显示的是CPU版本的Tensorflow。

例子2:
在自己安装好的python环境下输入以下代码:

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
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)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

结果会出现详细的信息:
在这里插入图片描述
可以看到我所安装的Tensorflow是CPU在工作。

例子3:

第一步:
在python环境下输入以下代码:

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())

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

结果(查看电脑GPU和CPU):
在这里插入图片描述

我自己的电脑只有CPU,没有GPU。所以只能看到关于电脑CPU的信息。如果电脑GPU和CPU都有的话应该是如下结果:
在这里插入图片描述

第二步:
指定电脑GPU或者CPU进行计算,代码如下:

    #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))

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

使用代码结果如下:
在这里插入图片描述

通过tf.device可以指定计算时使用的设备,0表示设备的个数。如果想要使用GPU进行计算,就将CPU改成GPU。

第三步:
查看Tensorflow的详细情况,代码如下:

        #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()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

配置深度学习Tensorflow的GPU版本

明天试试,电脑能行吗=.=

本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号