NumPy arrays and TensorFlow Tensors的区别和联

2022-03-05

1、特点

2、双向转换

3、转化成本

可以通过它们上的 .numpy() 到 NumPy。这些和数组一样便宜,并且共享 if 。 , ‘t 因为可能在 GPU 中,而 NumPy 在主机中,因此将是从 GPU 到主机的副本。

4、使用时如何测量和选择gpu

x = tf.([3, 3])

print(“是否有 GPU :”),

打印(tf.test.())

print(“是在 GPU #0:”),

打印(x..(‘GPU:0’))

打印(tf.test.())

5、显式指定正在运行的xpu

时间

定义(x):

开始 = time.time()

for循环在范围内(10):

tf.(x, x)

= time.time()-开始

print(“10 个循环:{:0.2f}ms”.(1000*))

# 强制 CPU

print(“在 CPU 上:”)

使用 tf.(“CPU:0”):

x = tf.([900, 900])

x..(“CPU:0”)

(x)

# 强制 GPU #0 if

如果 tf.test.():

with tf.(“GPU:0”): # Or GPU:1 for the 2nd GPU, GPU:2 for the 3rd etc.

x = tf.([1000, 1000])

x..(“GPU:0”)

(x)

分类:

技术要点:

相关文章:

© 版权声明
THE END
喜欢就支持一下吧
点赞10 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片