1.在有支持GPU的电脑上安装tensorflow只需要安装tensorflow GPU版本即可,
GPU版本会包含CPU。
可通过tf.test.is_gpu_available()函数看GPU能否使用:
# Hyperparams if GPU is available
if tf.test.is_gpu_available():
print('GPU is OK')
# GPU
BATCH_SIZE = 16 # Number of images used in each iteration
EPOCHS = 3 # Number of passes through entire dataset
# Hyperparams for CPU training
else:
# CPU
print('No GPU')
BATCH_SIZE = 4
EPOCHS = 1
2.在GPU版本使用CPU时可以通过如下code指定使用CPU
# 该段代码是在GPU版本的tensorflow中使用CPU
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
3.运行GPU版本tensorflow 时,有时候会出现
Cudnn fail 的问题
(1)可能时tensorflow gpu版本过高,建议降低版本
(2)设置GPU资源按需增加:
# 该段代码是设置GPU资源按需增加
config = tf.ConfigProto(gpu_options=tf.GPUOptions(allow_growth=True))
sess = tf.Session(config=config)
或者
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.5)