Tutorial--怎么看自己安装的Tensorflow是GPU版本的还是CPU版本的

例子1：
为了获取你的 operations 和 Tensor 被指派到哪个设备上运行, 用log_device_placement 新建一个 session, 并设置为 True来记录设备指派情况。

例子(矩阵相乘)：

import tensorflow as tf
# 新建一个 graph
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# 新建session with log_device_placement并设置为True
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# 运行这个 op
print (sess.run(c))
#任务完成，关闭会话
sess.close()

结果：

显示的是CPU版本的Tensorflow。

例子2：
在自己安装好的python环境下输入以下代码：

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

结果会出现详细的信息：

可以看到我所安装的Tensorflow是CPU在工作。

例子3：

第一步：
在python环境下输入以下代码：

import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"

if __name__ == "__main__":
print(device_lib.list_local_devices())

结果(查看电脑GPU和CPU)：

我自己的电脑只有CPU，没有GPU。所以只能看到关于电脑CPU的信息。如果电脑GPU和CPU都有的话应该是如下结果：

第二步：
指定电脑GPU或者CPU进行计算，代码如下：

#使用CPU进行计算
with tf.device("/cpu:0"):
a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3])
b = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2])
c = tf.matmul(a,b)
#查看计算时硬件的使用情况
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

使用代码结果如下：

通过tf.device可以指定计算时使用的设备,0表示设备的个数。如果想要使用GPU进行计算，就将CPU改成GPU。

第三步：
查看Tensorflow的详细情况，代码如下：

#设置运行时候的参数
options = tf.RunOptions(output_partition_graphs=True)
metadata = tf.RunMetadata()
c_val = sess.run(c,options=options,run_metadata=metadata)
print(metadata.partition_graphs)
#关闭session
sess.close()

配置深度学习Tensorflow的GPU版本

明天试试，电脑能行吗=.=