Comment faire fonctionner Tensorflow sur le CPU

Question

J'ai installé la version GPU de tensorflow sur une Ubuntu 14.04.

Je suis sur un serveur GPU où tensorflow peut accéder aux GPU disponibles.

Je veux exécuter tensorflow sur les CPUs.

Normalement, je peux utiliser env CUDA_VISIBLE_DEVICES=0 pour fonctionner sur le GPU no. 0.

Comment puis-je choisir entre les processeurs à la place ?

Je ne suis pas intéressé par la réécriture de mon code avec with tf.device("/cpu:0"):

Answer 1

Vous pouvez également définir la variable d'environnement

CUDA_VISIBLE_DEVICES=""

sans avoir à modifier le code source.

Answer 2

Si les réponses ci-dessus ne fonctionnent pas, essayez :

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

Answer 3

Vous pouvez demander device_count paramètre par tf.Session :

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

Voir aussi le fichier de configuration de protobuf :

tensorflow/core/framework/config.proto

Answer 4

Pour moi, seul le réglage CUDA_VISIBLE_DEVICES de manière précise -1 travaux :

Travaux :

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

Fait pas travail :

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

Answer 5

La solution des variables d'environnement ne fonctionne pas pour moi avec tensorflow 2.3.1. Je suppose, d'après les commentaires dans le fil de discussion github, que la solution ci-dessous fonctionne pour les versions >=2.1.0.

De tensorflow github :

import tensorflow as tf

# Hide GPU from visible devices
tf.config.set_visible_devices([], 'GPU')

Assurez-vous de le faire juste après l'importation avec une nouvelle instance de tensorflow (si vous utilisez jupyter notebook, redémarrez le noyau).

Et pour vérifier que vous fonctionnez bien sur le CPU :

# To find out which devices your operations and tensors are assigned to
tf.debugging.set_log_device_placement(True)

# Create some tensors and perform an operation
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)

print(c)

Sortie attendue :

2.3.1
Executing op MatMul in device /job:localhost/replica:0/task:0/device:CPU:0
tf.Tensor(
[[22. 28.]
 [49. 64.]], shape=(2, 2), dtype=float32)