Python 删除要在CPU上运行的操作图tensorflow

我已经训练了一个网络（使用GPU），现在我想在CPU上运行它（用于推理）。为此，我使用以下代码加载元图，然后加载网络的参数

config = tf.ConfigProto(
        device_count = {'GPU': 0}
    )
sess = tf.Session(config=config)
meta_graph=".../graph-0207-190023.meta"
model=".../model.data-00000-of-00001"

new_saver = tf.train.import_meta_graph(meta_graph)
new_saver.restore(sess, model)

问题是，由于图形是为训练而定义的，所以我使用了一些不在CPU上运行的特定操作。例如，记录GPU活动的“MaxBytesInUse”

这就是为什么当我尝试运行此代码时，会出现以下错误：

InvalidArgumentError: No OpKernel was registered to support Op 'MaxBytesInUse' with these attrs.  Registered devices: [CPU], Registered kernels:
  device='GPU'

     [[Node: PeakMemoryTracker/MaxBytesInUse = MaxBytesInUse[_device="/device:GPU:0"]()]]

---

有没有一种简单的方法可以删除特定的GPU相关操作并在CPU上运行图形？

我认为这样的方法应该可以解决您的问题

import tensorflow as tf

def remove_no_cpu_ops(graph_def):
    # Remove all ops that cannot run on the CPU
    removed = set()
    nodes = list(graph_def.node)
    for node in nodes:
        if not can_run_on_cpu(node):
            graph_def.node.remove(node)
            removed.add(node.name)
    # Recursively remove ops depending on removed ops
    while removed:
        removed, prev_removed = set(), removed
        nodes = list(graph_def.node)
        for node in graph_def.node:
            if any(inp in prev_removed for inp in node.input):
                graph_def.node.remove(node)
                removed.add(node.name)

def can_run_on_cpu(node):
    # Check if there is a CPU kernel for the node operation
    from tensorflow.python.framework import kernels
    for kernel in kernels.get_registered_kernels_for_op(node.op).kernel:
        if kernel.device_type == 'CPU':
            return True
    return False

config = tf.ConfigProto(
        device_count = {'GPU': 0}
    )
sess = tf.Session(config=config)
meta_graph = ".../graph-0207-190023.meta"
model = ".../model.data-00000-of-00001"
# Load metagraph definition
meta_graph_def = tf.MetaGraphDef()
with open(meta_graph, 'rb') as f:
    meta_graph_def.MergeFromString(f.read())
# Remove GPU ops
remove_no_cpu_ops(meta_graph_def.graph_def)
# Make saver from modified metagraph definition
new_saver = tf.train.import_meta_graph(meta_graph_def, clear_devices=True)
new_saver.restore(sess, model)

---

其思想是迭代图定义中的所有节点，并删除那些没有CPU内核的节点。实际上，通过检查是否存在适用于节点操作和输入类型的cpu内核，检查内核定义的

约束

字段，您可以使

可以在cpu上运行

更加准确，但这对于您的情况可能已经足够了。我还在

tf.train.import\u meta\u graph

中添加了一个

clear\u devices=True

，它在操作中清除设备指令，强制它们在特定设备上运行（如果图形中有任何指令）。

您可能会发现这篇相关文章很有用：