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 反之亦然默认情况下,TensorFlow是同时使用GPU/CPU进行计算,还是仅使用GPU?,tensorflow,parallel-processing,deep-learning,gpu,Tensorflow,Parallel Processing,Deep Learning,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CP
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。