1 指定GPU

法1 

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

上边表示使用第二块GPU运行程序，如果要使用多块，如第一块和第三块，可使用如下方法指定

os.environ["CUDA_VISIBLE_DEVICES"] = "0,2"

如果想屏蔽输出信息，使用以下设置

os.environ['TF_CPP_MIN_LOG_LEVEL']='3' #close log output

法2

import tensorflow as tf with tf.device('/gpu:1'): v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1') v2 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v2') sumV12 = v1 + v2 with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print sess.run(sumV12)

2 设置GPU比例

选择GPU后，可以设置每块占用的比例，因为tensorflow默认占用全部

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.2) with tf.Session(graph=detection_graph, config=tf.ConfigProto(gpu_options=gpu_options)) as sess:

 也可以设置按需分配显存

gpu_options = tf.GPUOptions(allow_growth=True) with tf.Session(graph=detection_graph, config=tf.ConfigProto(gpu_options=gpu_options)) as sess:

3 指定CPU

如果想强制使用CPU运行tensorflow，只需要将CUDA_VISIBLE_DEVICES这个参数设为空即可，如下

os.environ["CUDA_VISIBLE_DEVICES"] = " "

如果想要指定CPU核数，使用如下方法 

cpu_num=10#指定使用的CPU个数 config = tf.ConfigProto(device_count={"CPU": cpu_num}, inter_op_parallelism_threads = cpu_num, intra_op_parallelism_threads = cpu_num, log_device_placement=True) # 开始训练 with tf.Session(config=config) as sess: #以下编写自己的代码

log_device_placement = True可以把程序运行时跑的设备情况给输出