只需使用下面的代码。
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
0
只需使用下面的代码。
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
0
您可以为每个tf.Session
应用device_count
参数:
config = tf.ConfigProto(
device_count = {'GPU': 0}
)
sess = tf.Session(config=config)
另请参见protobuf配置文件:
0
对我来说,仅将CUDA_VISIBLE_DEVICES
设置为正好-1
是CUDA_VISIBLE_DEVICES
:
作品:
import os
import tensorflow as tf
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
if tf.test.gpu_device_name():
print('GPU found')
else:
print("No GPU found")
# No GPU found
不工作:
import os
import tensorflow as tf
os.environ['CUDA_VISIBLE_DEVICES'] = ''
if tf.test.gpu_device_name():
print('GPU found')
else:
print("No GPU found")
# GPU found
0
您还可以将环境变量设置为
CUDA_VISIBLE_DEVICES=""
无需修改源代码。
0
如果以上答案不起作用,请尝试:
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
0
我已经在Ubuntu 14.04上安装了GPU版本的tensorflow。
我在GPU服务器上,张量流可以访问可用的GPU。
我想在CPU上运行tensorflow。
通常,我可以使用
env CUDA_VISIBLE_DEVICES=0
在GPU号上运行。 0。如何在CPU之间进行选择?
我不喜欢
with tf.device("/cpu:0"):
重新编写代码with tf.device("/cpu:0"):