使用专用显卡仅用于张量流

Question

当集成显卡处理非ML任务时，Tensorflow是否可以使用专用图形卡进行训练模型？

Answer 1

基本上可以，假设兼容的硬件。目前，支持的硬件是主要的CPU，Nvidia GPU和谷歌的TPU。

选择计算位置称为设备固定或放置。您可以在current documentation的“在不同设备上放置操作”部分下看到如何使用当前API实际执行此操作。

从以上链接中窃取：

# Operations created outside either context will run on the "best possible"
# device. For example, if you have a GPU and a CPU available, and the operation
# has a GPU implementation, TensorFlow will choose the GPU.
weights = tf.random_normal(...)

with tf.device("/device:CPU:0"):
  # Operations created in this context will be pinned to the CPU.
  img = tf.decode_jpeg(tf.read_file("img.jpg"))

with tf.device("/device:GPU:0"):
  # Operations created in this context will be pinned to the GPU.
  result = tf.matmul(weights, img)

你提到了集成显卡。理论上可以使用它，但它是否受支持？可能有一天，TensorFlow的新XLA架构（在这个阶段仍然是alpha）。