介绍
tf.ConfigProto()如何在Tensorflow中使用?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
<强> tf.ConfigProto()主要的作用是配置特遣部队。会话的运算方式,比如gpu运算或者cpu运算强>
具体代码如下:
import tensorflow as tf 时间=session_config tf.ConfigProto ( ,,log_device_placement=True, ,,inter_op_parallelism_threads=0, ,,intra_op_parallelism_threads=0, ,,allow_soft_placement=True) 时间=sess tf.Session (config=session_config) a =, tf.constant([1.0, 2.0, 3.0,, 4.0, 5.0, 6.0),,=(2、3),形状,name=& # 39; b # 39;) b =, tf.constant([1.0, 2.0, 3.0,, 4.0, 5.0, 6.0),,=(3 2),形状,name=& # 39; b # 39;) 时间=c tf.matmul (a, b) print (sess.run (c))
<强>具体解释强>
<强> log_device_placement=True 强>
设置为真时,会打印出TensorFlow使用了那种操作
<强> inter_op_parallelism_threads=0 强>
设置线程一个操作内部并行运算的线程数,比如矩阵乘法,如果设置为0,则表示以最优的线程数处理
<强> intra_op_parallelism_threads=0 强>
设置多个操作并行运算的线程数,比如c=a + b, d=e + f。可以并行运算
<强> allow_soft_placement=True 强>
有时候,不同的设备,它的cpu和gpu是不同的,如果将这个选项设置成这样,那么当运行设备不满足要求时,会自动分配gpu或者cpu。
<强>其他选项强>
当使用gpu时候,Tensorflow运行自动慢慢达到最大gpu的内存
session_config.gpu_options.allow_growth =,真正的
当使用gpu时,设置gpu内存使用最大比例
session_config.gpu_options.per_process_gpu_memory_fraction =,
0.4是否能够使用gpu进行运算
tf.test.is_built_with_cuda ()
另外的处理方法
import tensorflow as tf 时间=sess tf.Session () with tf.device (& # 39;/cpu: 0 & # 39;): a 才能=,tf.constant((1.0, 3.0, 5.0),,形状=[1,,3]) b 才能=,tf.constant((2.0, 4.0, 6.0),,形状=[3,1]) with 才能;tf.device (& # 39;/gpu: 0 & # 39;): ,,,c =, tf.matmul (a, b) ,,,c =, tf.reshape (c, [1]) with 才能;tf.device (& # 39;/gpu: 0 & # 39;): ,,,d =, tf.matmul (b, a) ,,,flat_d =, tf.reshape (d, [1]) 时间=combined 才能;tf.multiply (c, flat_d) 打印才能(sess.run(组合))
看完上述内容,你们掌握tf.ConfigProto()如何在Tensorflow中使用的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注行业资讯频道,感谢各位的阅读!