tensorflow之如何使用GPU而不是CPU问题-数据库

这篇文章主要介绍了tensorflow之如何使用GPU而不是CPU问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

如何使用GPU而不是CPU

首先查看设备

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

如果发现只有一个CPU可用

则说明可能存在一下情况：

1 tensorflow-gpu是否安装，版本查看，如果版本低于tensorflow，则默认启动CPU（t-gpu版本最好高于t）

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/

2 CUDA初始化

在开始训练的前面输入如下：

# 使用CPU：
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "-1" # 这一行注释掉就是使用cpu，不注释就是使用gpu
# 使用GPU：
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
# os.environ['CUDA_VISIBLE_DEVICES'] = "0" #这个是仅选择使用GPU 0
# os.environ['CUDA_VISIBLE_DEVICES'] = "1" #这个是仅选择使用GPU 1
# os.environ['CUDA_VISIBLE_DEVICES']  = “0,1” #设置当前使用的GPU设备为0,1号

tensorflow使用GPU的设置方式

方法一

Config=tf.ConfigProto(allow_soft_placement=True)  ##:如果你指定的设备不存在,允许TF自动分配设备
Config.gpu_options.allow_growth=True  ##动态分配内存
sess=tf.session(config=config)

方法二

gpu_options = tf.GPUOptions(allow_growth=True)
gpu_options =tf.GPUOptions(per_process_gpu_memory_fraction=0.8,allow_growth=True) ##每个gpu占用0.8的显存
config=tf.ConfigProto(gpu_options=gpu_options,allow_soft_placement=True)
sess=tf.session(config=config)##如果电脑有多个GPU，tensorflow默认全部使用。如果想只使用部分GPU，可以设置CUDA_VISIBLE_DEVICES。

控制使用哪个gpu

os.environ[“CUDA_DEVICE_ORDER”] = “PCI_BUS_ID” ##指定的设备名称
os.environ[‘CUDA_VISIBLE_DEVICES'] = ‘0' #使用 GPU 0
os.environ[‘CUDA_VISIBLE_DEVICES'] = ‘0,1' # 使用 GPU 0，1