Python 如何迫使tensorflow在发现GPU后忘记它？

我有一个基于tensorflow的代码，我在各种计算机上运行，有些使用CPU，有些同时使用CPU和GPU

如果机器上有GPU，我想让用户选择使用CPU

该代码可以正常工作：

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

但是，我想先检查GPU是否可用，然后禁用它

我试过：

import tensorflow as tf

if tf.test.gpu_device_name():
    import os
    os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

if tf.test.gpu_device_name():
    print('GPU found')

# GPU found

但它不起作用。一旦我使用了

tf.test.gpu\u device\u name（）

，它总是记得系统有一个gpu

我还尝试了

deltf

，

importlib.reload（tf）

，但没有成功
唯一有效的方法是退出解释器并运行上面的第一个脚本

---

一旦找到GPU，我如何让代码“忘记”它？

我不明白为什么需要让TensorFlow忘记它。你有GPU，但这并不意味着你必须使用GPU

您可以使用来指定基础设备

例如：

# Place tensors on the CPU
with tf.device('/CPU:0'):
  a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
  b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])

c = tf.matmul(a, b)
print(c)

---

因此，即使您有GPU，该程序仍将使用CPU。

请不要人为地用语言和框架“标记”您的标题。这就是实际标签的用途。很抱歉我只留下了

tensorflow

作为标签，可以吗？如果它自然适合标题，那就好了。这是个问题，比如“（python）我如何做foo？”或者“为什么这会给出AttributeError[python][django]”。（真正的Python标记很好。它已经被编辑回来了。）；不要写像“（语言）问题？”或“语言：问题？”这样的标题，而是写像“问题？”这样的标题，并添加语言[如python]作为标记。好的，谢谢，对不起，有没有办法将CPU设置为解释器中所有tensorflow调用的“全局”设备？嗯，如果您修改脚本，应该很容易实现。我的一个小问题是，我的整个类和方法都在其中，它们到处都在使用tensorflow。我希望用户在创建类的实例时能够设置布尔值。设置所有tensorflow方法是使用GPU还是CPU的布尔值