筆者需要tensorflow僅執行在乙個gpu上（機器本身有多gpu），而且需要依據系統引數動態調節，故無法簡單使用cuda_visible_devices。
一種方式是全域性使用tf.device函式生成的域，但裝置號需要在繪製graph前指定，仍然不夠靈活。
查閱文件發現config的gpuoptions中的visible_device_list可以定義gpu編號從visible到virtual的對映，即可以設定tensorflow可見的gpu device，從而全域性設定了tensorflow可見的gpu編號。**如下：
config = tf.configproto()
config.gpu_options.visible_device_list = str(device_num)
sess = tf.session(config=config)
cuda_visible_devices，**如下：
os.environ["cuda_visible_devices"] = "2"Tensorflow全域性設定可見GPU編號操作
筆者需要tensorflow僅執行在乙個gpu上 機器本身有多gpu 而且需要依據系統引數動態調節，故無法簡單使用cuda visible devices。一種方式是全域性使用tf.device函式生成的域，但裝置號需要在繪製graph前指定，仍然不夠靈活。查閱文件發現config的gpuoptio...
python設定全域性可訪問的driver物件方法
最近專案要用python來寫自動化，我根據之前現有的ruby框架來重寫。發現乙個最大的區別，全域性變數，ruby是可以全工程可見，而python只能在當前py檔案內可見。其實在開發中我們都會要求盡量少用全域性變數，以避免帶來的不可預見的問題。但是在做selenium框架時，driver物件的必須全工...
tensorflow結果可重複
最近在學吳恩達的深度學習課程，在參考別人的 的時候，發現在cpu多執行緒情況下和gpu執行的情況下，同樣的 資料，每次訓練出來的結果都不一樣，這還怎麼調參，於是stackoverflow走起。windows10 64位 python 3.6 tensorflow 1.14 keras 2.2.5 c...