linux子系统gpu加速,Ubuntu16.04测试开启GPU加速

在文章《Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+keras配置深度学习环境》(附)中已经配置好了系统。现在来进行GPU加速测试。

测试1：系统自动分配设备

#-*- coding:utf-8 -*-

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))

你应该能看见以下输出:

Device mapping:

/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: Tesla K40c, pci bus

id: 0000:05:00.0

b: /job:localhost/replica:0/task:0/gpu:0

a: /job:localhost/replica:0/task:0/gpu:0

MatMul: /job:localhost/replica:0/task:0/gpu:0

[[ 22.  28.]

[ 49.  64.]]

测试2：手动指定分配设备

#-*- coding:utf-8 -*-

import tensorflow as tf

# 新建一个graph.

with tf.device('/cpu:0'):

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))

你应该能看见以下输出，a 和 b 操作都被指派给了 cpu:0。

Device mapping:

/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: Tesla K40c, pci bus

id: 0000:05:00.0

b: /job:localhost/replica:0/task:0/cpu:0

a: /job:localhost/replica:0/task:0/cpu:0

MatMul: /job:localhost/replica:0/task:0/gpu:0

[[ 22.  28.]

[ 49.  64.]]

测试3：跑个TensorFlow的小程序。代码见百度云盘(http://pan.baidu.com/s/1pLz8ZcJ)

附：