tf.ConfigProto类

参考  Python的一个报错——OSError: [Errno 22] Invalid argument - 云+社区 - 腾讯云

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,设置性质如下:

allow_soft_placement

  • bool allow_soft_placement

cluster_def

  • ClusterDef cluster_def

device_count

  • repeated DeviceCountEntry device_count

device_filters

  • repeated string device_filters

experimental

  • Experimental experimental

gpu_options

  • GPUOptions gpu_options

graph_options

  • GraphOptions graph_options

inter_op_parallelism_threads

  • int32 inter_op_parallelism_threads

intra_op_parallelism_threads

  • int32 intra_op_parallelism_threads

isolate_session_state

  • bool isolate_session_state

log_device_placement

  • bool log_device_placement

operation_timeout_in_ms

  • int64 operation_timeout_in_ms

placement_period

  • int32 placement_period

rpc_options

  • RPCOptions rpc_options

session_inter_op_thread_pool

  • repeated ThreadPoolOptionProto session_inter_op_thread_pool

use_per_session_threads

  • bool use_per_session_threads

例:

import tensorflow as tf

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))


Output:
------------
[[22. 28.]
 [49. 64.]]
------------

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:

import tensorflow as tf

sess = tf.Session()

with tf.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])

    with tf.device('/gpu:0'):
        c = tf.matmul(a, b)
        c = tf.reshape(c, [-1])

    with tf.device('/gpu:0'):
        d = tf.matmul(b, a)
        flat_d = tf.reshape(d, [-1])

    combined = tf.multiply(c, flat_d)
    print(sess.run(combined))

你可能感兴趣的:(TensorFlow)