Python TensorFlow是否将一台机器的所有CPU视为一个设备？

从我运行的实验来看，TensorFlow似乎在一台机器上自动使用所有CPU。此外，TensorFlow似乎将所有cpu都称为/cpu:0

我是对的，只有一台机器的不同GPU被索引并作为单独的设备查看，但是一台机器上的所有CPU都被视为单个设备

---

从TensorFlows的角度来看，一台机器有多个CPU可以查看它吗

默认情况下，进程可用的所有cpu都聚集在

cpu:0

设备下

mrry给出的答案显示了如何创建逻辑设备，如

/cpu:1

，

/cpu:2

在tensorflow中，似乎没有将逻辑设备固定到特定物理核心或能够使用NUMA节点的工作功能

---

一种可能的解决方法是在一台机器上使用分布式TensorFlow和多个进程，并在Linux上使用

任务集

将特定进程固定到特定内核

您能给我一个提示（源代码位置）吗？TensorFlow使用“一个”CPU的多个内核来运行图形的一个分区？因为据我所知，TF将图形划分为多个分区，每个分区将由其相应的执行器在一个设备上运行。但我的问题是多核cpu如何执行分区？我希望TensorFlow不要看到/知道除一个核以外的其他核。我该怎么做？