Come eseguire Tensorflow sulla CPU

Ho installato la versione GPU di tensorflow su Ubuntu 14.04.

Sono su un server GPU dove tensorflow può accedere alle GPU disponibili.

Voglio eseguire tensorflow sulle CPU.

Normalmente posso usare env CUDA_VISIBLE_DEVICES=0 per eseguire su GPU n. 0.

Come posso invece scegliere tra le CPU?

Non sono interessato a riscrivere il mio codice con with tf.device("/cpu:0"):

È possibile applicare il device_countparametro per tf.Session:

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

Vedi anche file di configurazione protobuf:

tensorflow/core/framework/config.proto

Puoi anche impostare la variabile d'ambiente su

CUDA_VISIBLE_DEVICES=""

senza dover modificare il codice sorgente.

Se le risposte precedenti non funzionano, prova:

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

Per me, solo l'impostazione CUDA_VISIBLE_DEVICESsu -1funziona con precisione :

Lavori:

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

Does non funzionare:

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

Basta usare il codice qui sotto.

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

In alcuni sistemi è necessario specificare:

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

PRIMA di importare tensorflow.

Potresti usare tf.config.set_visible_devices. Una possibile funzione che consente di impostare se e quali GPU utilizzare è:

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)

Supponiamo di essere su un sistema con 4 GPU e di voler utilizzare solo due GPU, quella con id = 0e quella con id = 2, quindi il primo comando del tuo codice, subito dopo aver importato le librerie, sarebbe:

set_gpu([0, 2])

Nel tuo caso, per utilizzare solo la CPU, puoi richiamare la funzione con una lista vuota :

set_gpu([])

Per completezza, se vuoi evitare che l'inizializzazione del runtime allochi tutta la memoria sul dispositivo, puoi usare tf.config.experimental.set_memory_growth. Infine, la funzione per gestire quali dispositivi utilizzare, occupando dinamicamente la memoria delle GPU, diventa:

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)

Un'altra possibile soluzione a livello di installazione sarebbe cercare la variante solo CPU: https://www.tensorflow.org/install/pip#package-location

Nel mio caso, questo dà subito:

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

Basta selezionare la versione corretta. Punti bonus per l'utilizzo di un venv come spiegato ad esempio in questa risposta .