Cara menjalankan Tensorflow di CPU

Saya telah menginstal tensorflow versi GPU pada Ubuntu 14.04.

Saya menggunakan server GPU di mana tensorflow dapat mengakses GPU yang tersedia.

Saya ingin menjalankan tensorflow pada CPU.

Biasanya saya dapat menggunakan env CUDA_VISIBLE_DEVICES=0untuk menjalankan GPU no. 0.

Bagaimana saya bisa memilih di antara CPU?

Saya tidak tertarik untuk menulis ulang kode saya dengan with tf.device("/cpu:0"):

Anda dapat menerapkan device_countparameter per tf.Session:

config = tf.ConfigProto(
        device_count = {'GPU': 0}
    )
sess = tf.Session(config=config)

Lihat juga file konfigurasi protobuf:

tensorflow/core/framework/config.proto

Anda juga dapat menyetel variabel lingkungan ke

CUDA_VISIBLE_DEVICES=""

tanpa harus mengubah kode sumber.

Jika jawaban di atas tidak berhasil, coba:

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Bagi saya, hanya pengaturan CUDA_VISIBLE_DEVICESuntuk -1bekerja dengan tepat :

Pekerjaan:

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

Apakah tidak bekerja:

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

Cukup gunakan kode di bawah ini.

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Dalam beberapa sistem seseorang harus menentukan:

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]=""  # or even "-1"

SEBELUM mengimpor tensorflow.

Anda bisa menggunakan tf.config.set_visible_devices. Satu kemungkinan fungsi yang memungkinkan Anda untuk mengatur jika dan GPU mana yang akan digunakan adalah:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Misalkan Anda menggunakan sistem dengan 4 GPU dan Anda ingin menggunakan hanya dua GPU, satu dengan id = 0dan satu dengan id = 2, maka perintah pertama kode Anda, segera setelah mengimpor pustaka, adalah:

set_gpu([0, 2])

Dalam kasus Anda, untuk hanya menggunakan CPU, Anda dapat menjalankan fungsi dengan daftar kosong :

set_gpu([])

Untuk kelengkapannya, jika Anda ingin menghindari bahwa inisialisasi waktu proses akan mengalokasikan semua memori pada perangkat, Anda dapat menggunakan tf.config.experimental.set_memory_growth. Terakhir, fungsi untuk mengelola perangkat mana yang akan digunakan, menempati memori GPU secara dinamis, menjadi:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            for gpu in gpus_used:
                tf.config.experimental.set_memory_growth(gpu, True)
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Solusi lain yang mungkin pada tingkat penginstalan adalah mencari varian CPU saja: https://www.tensorflow.org/install/pip#package-location

Dalam kasus saya, ini memberi sekarang:

pip3 install https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.2.0-cp38-cp38-win_amd64.whl

Cukup pilih versi yang benar. Poin bonus untuk menggunakan venv seperti yang dijelaskan misalnya dalam jawaban ini .