Tensorflow中tf.ConfigProto()的用法详解
参考TensorflowMachineLeanrningCookbook
tf.ConfigProto()主要的作用是配置tf.Session的运算方式，比如gpu运算或者cpu运算
具体代码如下：
importtensorflowastf session_config=tf.ConfigProto( log_device_placement=True, inter_op_parallelism_threads=0, intra_op_parallelism_threads=0, allow_soft_placement=True) sess=tf.Session(config=session_config) a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='b') 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) print(sess.run(c))
具体解释
log_device_placement=True
设置为True时，会打印出TensorFlow使用了那种操作
inter_op_parallelism_threads=0
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
intra_op_parallelism_threads=0
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
allow_soft_placement=True
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True，那么当运行设备不满足要求时，会自动分配GPU或者CPU。
其他选项
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=True
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
importtensorflowastf
sess=tf.Session()
withtf.device('/cpu:0'):
a=tf.constant([1.0,3.0,5.0],shape=[1,3])
b=tf.constant([2.0,4.0,6.0],shape=[3,1])
withtf.device('/gpu:0'):
c=tf.matmul(a,b)
c=tf.reshape(c,[-1])
withtf.device('/gpu:0'):
d=tf.matmul(b,a)
flat_d=tf.reshape(d,[-1])
combined=tf.multiply(c,flat_d)
print(sess.run(combined))
以上这篇Tensorflow中tf.ConfigProto()的用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。