查看CPU/GPU信息:
输入以下命令:
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())
我们可以看到:
我们可以使用的是: "/device:CPU:0","/device:GPU:0"
使用指定GPU运行程序
如果想要看程序是GPU还是CPU跑的,要到终端上去运行python。我的spyder看不到Device Mapping(不知道你们的可以不可以)
输入以下这段代码:
import tensorflow as tf
with tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True)) as sess:
sess.run(init)
with tf.device('/device:GPU:0'):
for _ in range(3):
print(sess.run(state))
输入代码后:
回车之后:看到Device Mapping信息了
查看tensorflow日志:
在代码中加入以下代码,调用这个函数,就会自动在在当前代码所在位置生成日志文件夹。
def Log():
input1 = tf.constant([1.0, 2.0, 3.0], name="input1")
input2 = tf.Variable(tf.random_uniform([3], name="input2"))
output = tf.add_n([input1, input2], name="add")
writer = tf.summary.FileWriter("./log", tf.get_default_graph())
writer.close()
然后在命令行下,进入代码所在的文件夹:
输入以下代码:
tensorboard --logdir=log
然后出现以下结果:
打开浏览器,进入这个网址。