Graph Tensorflow：使用CPU的特定核心执行ops

目前可以为特定的操作指定要与tf.device（…）函数一起使用的CPU或GPU，但是您是否可以指定CPU的内核？

目前没有用于将操作固定到特定内核的API，尽管这会是一个很好的选择。您可以通过创建多个CPU设备来近似此功能，每个CPU设备都有一个单线程线程池，但这并不能保证保持核心固定解决方案的局部性：

with tf.device("/cpu:4"):
  # ...

with tf.device("/cpu:7"):
  # ...

with tf.device("/cpu:0"):
  # ...

config = tf.ConfigProto(device_count={"CPU": 8},
                        inter_op_parallelism_threads=1,
                        intra_op_parallelism_threads=1)
sess = tf.Session(config=config)

---

哇，仅仅通过一个简单的测试，速度就提高了3倍。非常感谢你！编辑：调查后，3倍的速度增益仅是由于按照您的答案中所述设置配置造成的。我使用RNN是有意义的。我会调查的！顺便说一句，在上面的例子中，我认为您需要将inter_op_parallelism_线程设置为更高的数值，否则它将按顺序运行所有内容，下面是一个测试，我只需要一个线程。但是，config=tf.ConfigProto（device_count={“CPU”：1}，inter_op_parallelism_threads=1，intra_op_parallelism_threads=1）生成8个线程（每个核心一个线程，我有8个核心）。如何将线程数减少到1？