默认情况下，TensorFlow是同时使用GPU/CPU进行计算，还是仅使用GPU？

默认情况下，TensorFlow将使用我们可用的GPU设备。也就是说，TensorFlow是同时使用GPU和CPU进行计算，还是使用GPU进行计算和CPU进行作业处理？我认为，无论如何，CPU总是处于活动状态？

如果我错了，有人会纠正我

但据我所知，TensorFlow仅使用GPU或CPU，具体取决于您运行的安装。例如，如果您使用用于Python2的pip install TensorFlow或用于python3的python3-m pip install TensorFlow，那么您将只使用CPU版本

反之亦然

---

如果您还有任何问题，或者这没有正确回答您的问题，请随时问我更多。

如果我错了，请有人纠正我

但据我所知，TensorFlow仅使用GPU或CPU，具体取决于您运行的安装。例如，如果您使用用于Python2的pip install TensorFlow或用于python3的python3-m pip install TensorFlow，那么您将只使用CPU版本

反之亦然

---

如果您还有任何问题，或者这没有正确回答您的问题，请随时问我更多。

通常它同时使用CPU和GPU，假设您使用的是启用GPU的TensorFlow。实际使用的内容取决于代码使用的实际操作

对于TensorFlow中可用的每个操作，都有几种此类操作的实现，通常是CPU实现和GPU实现。有些操作只有CPU实现，因为这对GPU实现没有意义，但总体而言，大多数操作可用于这两种设备

---

如果进行自定义操作，则需要提供所需的实现。

通常，它同时使用CPU和GPU（假设您使用的是启用GPU的TensorFlow）。实际使用的内容取决于代码使用的实际操作

对于TensorFlow中可用的每个操作，都有几种此类操作的实现，通常是CPU实现和GPU实现。有些操作只有CPU实现，因为这对GPU实现没有意义，但总体而言，大多数操作可用于这两种设备

---

如果进行自定义操作，则需要提供所需的实现。

TensorFlow操作附带一个可在其上执行的设备列表和相关优先级列表

---

例如，卷积非常有利于在GPU上进行计算；但是仍然可以在CPU上完成，而标量加法肯定应该在CPU上完成。您可以使用tf.Device和附加到感兴趣设备的键覆盖此选择

TensorFlow操作附带了可在其上执行的设备列表和相关优先级列表

---

例如，卷积非常有利于在GPU上进行计算；但是仍然可以在CPU上完成，而标量加法肯定应该在CPU上完成。您可以使用tf.Device和附加到感兴趣设备的键覆盖此选择

这取决于许多因素。但是，如果您的管道是正确的，那么当GPU正在计算批处理时，数据扩充就在CPU中。您可以使用htop、nvidia smi监控它，还可以检查内存吞吐量-很容易发现瓶颈。这取决于许多因素。但是，如果您的管道是正确的，那么当GPU正在计算批处理时，数据扩充就在CPU中。你可以用htop、nvidia smi监控它，也可以检查内存吞吐量-很容易发现瓶颈。你错了-GPU版本也支持CPU。检查官方文档，它指出：如果TensorFlow操作同时具有CPU和GPU实现，那么默认情况下，当操作分配给设备时，GPU设备将获得优先权。你错了-GPU版本也支持CPU。检查官方文档，它指出：如果TensorFlow操作同时具有CPU和GPU实现，那么默认情况下，当操作分配给设备时，GPU设备将获得优先权。