Python 在（！）TensorFlow使用一次后切换CPU/GPU/重置TensorFlow

我试图比较GPU和CPU上TensorFlow图的运行时

我知道我可以通过更改环境变量

CUDA\u VISIBLE\u DEVICES

来启用/禁用GPU的使用。然而，如果我之前已经处理过任何TensorFlow计算，这个更改不会影响任何东西

所以我可能需要重置TensorFlow。不过，无论是

session.close（）

还是

tf.reset\u default\u graph（）

都没有帮助

最后，我知道我可以用类似于

 with tf.Session() as sess:
      with tf.device("/cpu:0"):

，但这只在本地有帮助，因此需要更改许多代码部分。相反，我正在寻找一个全局解决方案，它不需要我启动一个全新的Python会话

---

非常感谢您的帮助

旧版本的驱动程序可能存在问题？否则，如果您使用的是最新版本的everything，并且Session.close无法释放GPU资源，请提交一个bug（通过简单的复制）。使用Python的多处理将是一个解决方法。谢谢您的帮助。我刚刚将驱动程序和TensorFlow更新到最新版本。但问题仍然存在。我不确定这是否被认为是一个bug：

session.close（）

确实释放了GPU资源。但是，下次启动新会话时，将再次分配资源，而不会注意环境变量

CUDA\u VISIBLE\u DEVICES

的最新值，而是使用原始值。你可能会争辩说这是应该的方式。。使用Python的多处理可能确实是一个很好的解决方法。不确定对

CUDA\u VISIBLE\u设备的更改是否会在创建流程后影响任何内容（它不是TensorFlow选项，而是一个CUDA选项，用于确定TensorFlow AFAIK可以看到哪些设备）。