https://www.tensorflow.org/

四、辅导

以下内容主要讲述：tf使用设备、图形识别、自然语言处理、线性模型

1、使用GPU

（1）支持的设备

tf支持cpu计算和gpu计算，当支持gpu时，优先在gpu上计算

（2）查看设备日志

import tensorflow as tf

# 创建计算图
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)

# 创建一个session打开设备日志
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# 运行操作
print(sess.run(c))

（3） 手工指派设备

使用with tf.device指定

# 新建一个graph.
with tf.device('/cpu:0'):
  aa = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='aa')
  bb = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='bb')
  
cc = 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(cc))

（4）允许GPU内存增长

默认情况下，tf使用所用的gpu内存，以便于内存碎片整理 …略

（5）在多GPU系统里使用单一GPU

默认使用id最小的GPU 使用with tf.device指定

（6）使用多个GPU

# Creates a graph.
c = []
for d in ['/gpu:2', '/gpu:3']:
  with tf.device(d):
    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.append(tf.matmul(a, b))
with tf.device('/cpu:0'):
  sum = tf.add_n(c)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(sum))

2、图像识别