Tensorflowバックエンドを使用するKerasは、CPUまたはGPUを自由に使用するように強制できますか？

TensorflowバックエンドとCUDAでKerasをインストールしました。ときどきオンデマンドでKerasにCPUの使用を強制したいのですが。これは、仮想環境に別のCPUのみのTensorflowをインストールすることなく実行できますか？もしそうなら？バックエンドがTheanoの場合、フラグを設定できますが、Kerasを介してアクセス可能なTensorflowフラグについては聞いたことがありません。

KerasにCPUを強制的に使用させたい場合

方法1

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = ""

Keras / Tensorflowがインポートされる前。

方法2

次のようにスクリプトを実行します

$ CUDA_VISIBLE_DEVICES="" ./your_keras_code.py

こちらもご覧ください

1. https://github.com/keras-team/keras/issues/152
2. https://github.com/fchollet/keras/issues/4613

これを行うためのかなり分離可能な方法は、使用することです

import tensorflow as tf
from keras import backend as K

num_cores = 4

if GPU:
    num_GPU = 1
    num_CPU = 1
if CPU:
    num_CPU = 1
    num_GPU = 0

config = tf.ConfigProto(intra_op_parallelism_threads=num_cores,
                        inter_op_parallelism_threads=num_cores, 
                        allow_soft_placement=True,
                        device_count = {'CPU' : num_CPU,
                                        'GPU' : num_GPU}
                       )

session = tf.Session(config=config)
K.set_session(session)

ここでbooleans GPUおよびCPUを使用して、TensorflowセッションがアクセスできるGPUとCPUの数を厳密に定義することにより、GPUとCPUのどちらでコードを実行するかを示します。変数num_GPUとnum_CPUは、この値を定義します。num_cores次に、intra_op_parallelism_threadsおよびを介して使用できるCPUコアの数を設定しますinter_op_parallelism_threads。

intra_op_parallelism_threads変数おもむくは、スレッドの数の計算グラフ内の単一のノードで並列動作を使用（イントラ）を許可されています。ながらinter_ops_parallelism_threads変数は、計算グラフ（インター）のノード間で並列動作のためにアクセス可能なスレッドの数を定義します。

allow_soft_placement 次の基準のいずれかが満たされた場合に、CPUで操作を実行できるようにします。

1. 操作のためのGPU実装はありません

2. 既知または登録されているGPUデバイスはありません

3. CPUからの他の入力と同じ場所に配置する必要がある

これはすべて、他の操作の前にクラスのコンストラクターで実行され、モデルや他のコードから完全に分離できます。

注：GPUを使用するオプションが指定されているため、/ をインストールする必要がtensorflow-gpuあります。cudacudnn

参照：

• allow_soft_placementやlog_device_placementのようなConfigProtoのオプションはどういう意味ですか？

• inter_op_parallelism_threadsおよびintra_op_parallelism_threadsの意味

これは私のために働きました（win10）、ケラスをインポートする前に：

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

tensortflowをインポートしてケラを使用するだけで、とても簡単です。

import tensorflow as tf
# your code here
with tf.device('/gpu:0'):
    model.fit(X, y, epochs=20, batch_size=128, callbacks=callbacks_list)

keras チュートリアルtf.deviceに従って、通常のテンソルフローと同じスコープを使用できます：

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on GPU:0

with tf.device('/cpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on CPU:0

私はそれを理解するのに少し時間を費やしました。トマの答えは完全ではありません。test.pyたとえば、プログラムがで、gpu0を使用してこのプログラムを実行し、他のgpusを解放したいとします。

あなたは書くべきです CUDA_VISIBLE_DEVICES=0 python test.py

DEVICESないことに注意してくださいDEVICE

PyCharmで作業していて、CPUを強制している人のために、実行/デバッグ構成の環境変数の下に次の行を追加できます。

<OTHER_ENVIRONMENT_VARIABLES>;CUDA_VISIBLE_DEVICES=-1