Comment puis-je exécuter Tensorflow sur un seul core?

Je suis en utilisant Tensorflow sur un cluster et je veux dire Tensorflow ne s'exécuter que sur un seul core (même si il sont plus disponibles).

Ce que quelqu'un sait si cela est possible?

OriginalL'auteur jan schütte-engel | 2016-07-04

  1. 27

    Pour exécuter Tensorflow sur un seul thread CPU, j'utilise:

    session_conf = tf.ConfigProto(
      intra_op_parallelism_threads=1,
      inter_op_parallelism_threads=1)
sess = tf.Session(config=session_conf)

    device_count limite le nombre de Processeurs utilisés, et non pas le nombre de cœurs ou de fils.

    tensorflow/tensorflow/core/protobuf/config.proto dit:

    message ConfigProto {
  //Map from device type name (e.g., "CPU" or "GPU" ) to maximum
  //number of devices of that type to use.  If a particular device
  //type is not found in the map, the system picks an appropriate
  //number.
  map<string, int32> device_count = 1;

    Sur Linux, vous pouvez exécuter sudo dmidecode -t 4 | egrep -i "Designation|Intel|core|thread" de voir comment de nombreux Processeurs/cœurs/threads que vous avez, par exemple, la suite dispose de 2 Processeurs, chacun d'eux a 8 cœurs, chacun d'entre eux dispose de 2 threads, ce qui donne un total de 2*8*2=32 threads:

    fra@s:~$ sudo dmidecode -t 4 | egrep -i "Designation|Intel|core|thread"
    Socket Designation: CPU1
    Manufacturer: Intel
            HTT (Multi-threading)
    Version: Intel(R) Xeon(R) CPU E5-2667 v4 @ 3.20GHz
    Core Count: 8
    Core Enabled: 8
    Thread Count: 16
            Multi-Core
            Hardware Thread
    Socket Designation: CPU2
    Manufacturer: Intel
            HTT (Multi-threading)
    Version: Intel(R) Xeon(R) CPU E5-2667 v4 @ 3.20GHz
    Core Count: 8
    Core Enabled: 8
    Thread Count: 16
            Multi-Core
            Hardware Thread

    Testé avec Tensorflow 0.12.1 et 1.0.0 avec Ubuntu 14.04.5 LTS x64 et Ubuntu 16.04 LTS x64.

    Malheureusement, cela ne semble avoir aucun effet lors de l'exécution sur WIndows 10 tf (1.5.0). C'est un problème de ne pas avoir un moyen de partir d'un noyau libre pour d'autres programmes.
    Je ne pense pas que ce qui est censé se produire. Vous pouvez soulever un problème dans le tensorflow GitHub.

    OriginalL'auteur Franck Dernoncourt

  2. 2

    Vous pouvez restreindre le nombre de périphériques d'un certain type qui TensorFlow utilise en passant approprié device_count dans un ConfigProto comme le config argument lors de la création de votre session. Par exemple, vous pouvez restreindre le nombre de CPU périphériques comme suit :

    config = tf.ConfigProto(device_count={'CPU': 1})
sess = tf.Session(config=config)
with sess.as_default():
  print(tf.constant(42).eval())
    J'ai essayé ceci, mais il ne fonctionne pas. Si je présente un travail pour le cluster, Tensorflow fonctionne encore sur tous les cœurs disponibles d'un nœud. Je ne les suivants: init = tf.initialize_all_variables() #lancement de la graphique config = tf.ConfigProto(device_count={'UC': 1}) sess = tf.Session(config=config) sess.exécuter(init)

    OriginalL'auteur keveman