Tensorflow CPU'da nasıl çalıştırılır

Tensorflow'un GPU sürümünü bir Ubuntu 14.04'e yükledim.

Tensorflow'un mevcut GPU'lara erişebileceği bir GPU sunucusundayım.

CPU'larda tensorflow çalıştırmak istiyorum.

Normalde env CUDA_VISIBLE_DEVICES=0GPU no. 0.

Bunun yerine CPU'lar arasında nasıl seçim yapabilirim?

Kodumu yeniden yazmakla uğraşmadım with tf.device("/cpu:0"):

device_countParametreyi şu şekilde uygulayabilirsiniz tf.Session:

config = tf.ConfigProto(
        device_count = {'GPU': 0}
    )
sess = tf.Session(config=config)

Ayrıca protobuf yapılandırma dosyasına bakın:

tensorflow/core/framework/config.proto

Ortam değişkenini şu şekilde de ayarlayabilirsiniz:

CUDA_VISIBLE_DEVICES=""

kaynak kodunu değiştirmek zorunda kalmadan.

Yukarıdaki cevaplar işe yaramazsa şunu deneyin:

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Benim için sadece CUDA_VISIBLE_DEVICEStam olarak -1işe yarıyor:

İşler:

import os
import tensorflow as tf

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

if tf.test.gpu_device_name():
    print('GPU found')
else:
    print("No GPU found")

# No GPU found

Does not çalışır:

import os
import tensorflow as tf

os.environ['CUDA_VISIBLE_DEVICES'] = ''    

if tf.test.gpu_device_name():
    print('GPU found')
else:
    print("No GPU found")

# GPU found

Sadece aşağıdaki kodu kullanarak.

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Bazı sistemlerde aşağıdakilerin belirtilmesi gerekir:

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]=""  # or even "-1"

Tensorflow'u içe aktarmadan ÖNCE.

Kullanabilirsin tf.config.set_visible_devices. Hangi GPU'ların kullanılıp kullanılmayacağını belirlemenize olanak tanıyan olası işlevlerden biri şudur:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

4 GPU'lu bir sistemde olduğunuzu ve yalnızca iki GPU kullanmak istediğinizi varsayalım, biri ile id = 0diğeri ile id = 2, ardından kitaplıkları içe aktardıktan hemen sonra kodunuzun ilk komutu şöyle olacaktır:

set_gpu([0, 2])

Sizin durumunuzda, sadece CPU kullanmak için, işlevi boş bir listeyle çağırabilirsiniz :

set_gpu([])

Tamlık için, çalışma zamanı başlatmanın cihazdaki tüm belleği tahsis etmesini önlemek istiyorsanız kullanabilirsiniz tf.config.experimental.set_memory_growth. Son olarak, GPU'ların belleğini dinamik olarak işgal ederek hangi cihazların kullanılacağını yönetme işlevi şu hale gelir:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            for gpu in gpus_used:
                tf.config.experimental.set_memory_growth(gpu, True)
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Kurulum düzeyinde bir başka olası çözüm, yalnızca CPU varyantını aramaktır: https://www.tensorflow.org/install/pip#package-location

Benim durumumda, bu şu anda:

pip3 install https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.2.0-cp38-cp38-win_amd64.whl

Doğru sürümü seçmeniz yeterlidir. Örneğin bu cevapta açıklandığı gibi bir venv kullanmak için bonus puanlar .