实战Google深度学习框架：TensorFlow计算加速

正文

请到「今天看啥」查看全文

/task: 0 /gpu: 0 -> device: 0 , name : GRID K520, pci bus id : 0000 : 00 : 03.0
/job:localhost/replica: 0 /task: 0 /gpu: 1 -> device: 1 , name : GRID K520, pci bus id : 0000 : 00 : 04.0
/job:localhost/replica: 0 /task: 0 /gpu: 2 -> device: 2 , name : GRID K520, pci bus id : 0000 : 00 : 05.0
/job:localhost/replica: 0 /task: 0 /gpu: 3 -> device: 3 , name : GRID K520, pci bus id : 0000 : 00 : 06.0

add: /job:localhost/replica: 0 /task: 0 /gpu: 0
b: /job:localhost/replica: 0 /task: 0 /gpu: 0
a: /job:localhost/replica: 0 /task: 0 /gpu: 0
[ 2. 4. 6. ]

从上面的输出可以看到在配置好GPU环境的TensorFlow中，TensorFlow会自动优先将运算放置在GPU上。不过，尽管g2.8xlarge实例有4个GPU，在默认情况下，TensorFlow只会将运算优先放到/gpu:0上。于是可以看见在上面的程序中，所有的运算都被放在了/gpu:0上。如果需要将某些运算放到不同的GPU或者CPU上，就需要通过tf.device来手工指定。下面的程序给出了一个通过tf.device手工指定运行设备的样例。

import tensorflow as tf

# 通过tf.device将运算指定到特定的设备上。

with

请到「今天看啥」查看全文