TensorFlow中的小知识：tf.ConfigProto()与Session

tf.ConfigProto()

现在记录一下我们经常会用到的tf.ConfigProto()函数的功能和使用

---

一、功能

tf.ConfigProto()函数用在创建session的时候对session进行参数配置。
首先需要了解一下session，这样才可以更好的使用该函数。

二、session

session是tensorflow框架中的一个重要机制，负责分配和管理资源。Tensorflow依赖于一个高效的C++后端来进行计算，与后端的这个连接叫做session。
在tensorflow中使用图(graph)表示计算任务，为了进行计算，图必须在会话(session)里启动，会话能够将图的节点(op)分发到CPU或GPU设备上，同时执行op方法，这些方法执行后将产生的数据(tensor)返回。会话提供了一个run方法，用于执行计算图整体或部分节点。
简单的说就是使用会话Session启动图，调用Session.run()执行操作，另外需通过上下文管理机制with管理该会话，会话结束后自动释放资源，格式如下所示：

with tf.Session() as sess:
    sess.run(...)

备注：
在tensorflow中，将算法表示成计算图，计算图其实就是数据流图，图中的节点代表操作，边代表不同操作之间的数据流动。

三、使用实例

配置的内容可以包括并行线程数、GPU分配策略、运算超时时间等参数，最常用的两个是allow_soft_placement和log_device_placement.
①

config = tf.ConfigProto(allow_soft_placement=True, 
                        log_device_placement=True)
with tf.Session(config = config,...)

备注：
allow_soft_placement=True：如果是true，则允许tensorflow自动分配设备
log_device_placement=True：如果是true，记录每个节点分配到哪个设备上日志，用于方便调试
②

config = tf.ConfigProto() 
config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.4
session = tf.Session(config=config) 

备注：
gpu_options.allow_growth：用于动态申请显存，从少到多慢慢增加gpu容量
gpu_options.per_process_gpu_memory_fraction：用于限制gpu使用率，拿出40%给进程使用