python如何使用gpu_如何判断tensorflow是否在python shell中使用gpu加速？

除了使用sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))其他答案以及TensorFlow官方文档中概述的方法外，您还可以尝试将计算分配给gpu，看看是否有错误。

import tensorflow as tf

with tf.device('/gpu: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)

with tf.Session() as sess:

print (sess.run(c))

这里

“ / cpu：0”：您计算机的CPU。

“ / gpu：0”：您的计算机的GPU（如果有）。

如果您有GPU并可以使用它，则将看到结果。否则，您将看到堆栈跟踪较长的错误。最后，您将获得以下内容：

无法将设备分配给节点“ MatMul”：无法满足显式设备规范“ / device：GPU：0”，因为在此过程中未注册与该规范匹配的设备

最近，一些有用的功能出现在TF中：

tf.test.is_gpu_available告知gpu是否可用

tf.test.gpu_device_name返回gpu设备的名称

您还可以在会话中检查可用设备：

with tf.Session() as sess:

devices = sess.list_devices()

devices 会给你类似的东西

[_DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:CPU:0, CPU, -1, 4670268618893924978),

_DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:XLA_CPU:0, XLA_CPU, 17179869184, 6127825144471676437),

_DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:XLA_GPU:0, XLA_GPU, 17179869184, 16148453971365832732),

_DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:0, TPU, 17179869184, 10003582050679337480),

_DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:1, TPU, 17179869184, 5678397037036584928)