tensorflow2.版本中指定用CPU运行代码的命令

在TensorFlow 2.x 版本中，默认情况下会自动选择可用的 GPU 或 CPU 来运行计算任务。如果你希望强制 TensorFlow 使用 CPU 进行运算，可以采用下面几种方法： ### 方法一：通过环境变量设置你可以利用 `CUDA_VISIBLE_DEVICES` 环境变量来限制可见的GPU设备编号列表。如果将其值设为空字符串，则意味着对Python程序隐藏所有GPU。 ```bash import os os.environ["CUDA_VISIBLE_DEVICES"]="-1" ``` 将上述代码放在导入tensorflow之前即可让后续所有的tf操作仅能在CPU上执行。 ### 方法二：使用 tf.config.experimental.set_visible_devices() 这是另一种更直观的方式，它允许我们明确地设定哪些物理设备是可以被使用的。我们可以创建一个包含所需类型的空列表，并传递给此函数作为参数。 ```python physical_devices = tf.config.list_physical_devices('GPU') if physical_devices: try: for gpu in physical_devices: tf.config.experimental.set_memory_growth(gpu, True) # Hide GPUs from being visible to the program. tf.config.set_visible_devices([], 'GPU') except RuntimeError as e: print(e) ``` 以上就是如何在TensorFlow 2.x 中指定只用CPU运行模型训练等任务的方法了。记住一定要保证这些配置指令位于构建并启动计算图之前被执行！

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 opencv中利用矩阵转置和镜像