CPUでTensorflowを実行する方法

Ubuntu 14.04にGPUバージョンのtensorflowをインストールしました。

tensorflowが使用可能なGPUにアクセスできるGPUサーバーを使用しています。

CPUでテンソルフローを実行したい。

通常、私はenv CUDA_VISIBLE_DEVICES=0GPU noで実行するために使用できます。0。

代わりにどのようにCPUを選択できますか？

私は自分のコードを書き換えることに興味がありません with tf.device("/cpu:0"):

次のようにdevice_countパラメータを適用できますtf.Session。

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

protobuf構成ファイルも参照してください。

tensorflow/core/framework/config.proto

環境変数を次のように設定することもできます

CUDA_VISIBLE_DEVICES=""

ソースコードを変更する必要はありません。

上記の回答が機能しない場合は、以下を試してください。

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

私にとっては、CUDA_VISIBLE_DEVICES正確に-1機能するように設定するだけです：

作品：

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

動作しません：

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

以下のコードを使用するだけです。

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

一部のシステムでは、以下を指定する必要があります。

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

tensorflowをインポートする前。

使用できますtf.config.set_visible_devices。使用するGPUを設定できる1つの機能は次のとおりです。

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)

あなたが4 GPUを搭載したシステム上にあると仮定して、2つだけのGPU、とのいずれかを使用したいid = 0として1 id = 2、あなたのコードの最初のコマンドを、すぐにライブラリをインポートした後、次のようになります。

set_gpu([0, 2])

あなたの場合、CPUのみを使用するには、空のリストで関数を呼び出すことができます。

set_gpu([])

完全を期すために、ランタイム初期化によってデバイス上のすべてのメモリが割り当てられるのを避けたい場合は、を使用できますtf.config.experimental.set_memory_growth。最後に、GPUメモリを動的に使用する、使用するデバイスを管理する関数は、次のようになります。

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)

インストールレベルで考えられる別の解決策は、CPUのみのバリアントを探すことです。 https //www.tensorflow.org/install/pip#package-location

私の場合、これは今与えます：

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

正しいバージョンを選択してください。たとえばこの回答で説明されているようなvenvを使用することのボーナスポイント。