Comment exécuter Tensorflow sur le processeur

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

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

Je veux exécuter tensorflow sur les processeurs.

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

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

Je ne suis pas intéressé à réécrire mon code avec with tf.device("/cpu:0"):

Vous pouvez appliquer le device_countparamètre par tf.Session:

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

Voir aussi le fichier de configuration protobuf:

tensorflow/core/framework/config.proto

Vous pouvez également définir la variable d'environnement sur

CUDA_VISIBLE_DEVICES=""

sans avoir à modifier le code source.

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

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

Pour moi, seul le réglage CUDA_VISIBLE_DEVICESsur -1fonctionne précisément :

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

Ne fonctionne pas :

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

En utilisant simplement le code ci-dessous.

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

Dans certains systèmes, il faut spécifier:

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

AVANT d'importer tensorflow.

Vous pourriez utiliser tf.config.set_visible_devices. Une fonction possible qui vous permet de définir si et quels GPU utiliser est:

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)

Supposons que vous soyez sur un système avec 4 GPU et que vous ne souhaitiez utiliser que deux GPU, celui avec id = 0et celui avec id = 2, alors la première commande de votre code, immédiatement après l'importation des bibliothèques, serait:

set_gpu([0, 2])

Dans votre cas, pour n'utiliser que le CPU, vous pouvez appeler la fonction avec une liste vide :

set_gpu([])

Par souci d'exhaustivité, si vous souhaitez éviter que l'initialisation du runtime n'alloue toute la mémoire du périphérique, vous pouvez utiliser tf.config.experimental.set_memory_growth. Enfin, la fonction de gestion des appareils à utiliser, occupant dynamiquement la mémoire des GPU, devient:

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)

Une autre solution possible au niveau de l'installation serait de rechercher la variante CPU uniquement: https://www.tensorflow.org/install/pip#package-location

Dans mon cas, cela donne maintenant:

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

Sélectionnez simplement la bonne version. Points bonus pour l'utilisation d'un venv comme expliqué par exemple dans cette réponse .