C++ 默认情况下Tensorflow如何使用CPU内核？

假设我们没有任何

GPU

。我们有一台机器，它有一个

CPU

和

N

内核。我想在CPU上训练一个神经网络，并尽可能多地利用CPU

我知道我可以设置

inter_op_parallelism_threads

和

intra_op_parallelism_threads

变量来控制Tensorflow中的并行性。但我想知道默认情况下Tensorflow如何处理CPU核之间的并行性

我最初的猜测是，默认情况下，Tensorflow将所有CPU内核视为一个设备，并使用

Eigen

库在所有内核上同时运行一个单个操作，我们没有任何操作间并行性（这意味着并行运行多个操作）

---

我知道这件事。但这不是我要找的。我想知道tensorflow本身是如何处理CPU核之间的并行性的。

如果你想优化CPU，你可能应该使用MKL版本（我相信Linnux上的默认conda版本），默认情况下它会使用尽可能多的核谢谢@YaroslavBulatov，这是否意味着tensorflow在多核cpu的默认情况下不使用inter_op_parallelism_线程？