首先，我想仅在具有CPU节点的集群上运行tensorflow。因此，没有安装CUDA库，而仅安装了CPU-only版本的tensorflow。我对正确的设置有很多疑问。让我们从最基本的情况开始：
1。具有多个CPU内核的节点
从此answer开始，它建议在device_count = {'GPU': 0}中设置tf.ConfigProto，以强制代码仅在CPU上运行。由于我的平台具有GPU，因此我认为此步骤对我而言无效。 但是，我很好奇在这种设置下如何分配CPU资源。代码是否只能在1个CPU内核上运行？
所以我转向yaroslavvb's example，但仍然遇到一些问题：
我可以避免使用更多的语句with tf.device("/cpu:0"):等吗？
device_count={"CPU": 8}和inter_op_parallelism_threads=3, intra_op_parallelism_threads=1之间是什么关系？在answer from mrry中，我认为inter通过在我的图形中的独立块上工作的线程（例如，多个独立的矩阵运算）控制线程的分布，而intra在“内部可并行”任务上工作（例如矩阵乘法）。我对么？回到yaroslavvb's example，我认为任务已分配给4个CPU内核，{"CPU": 8}请求了8个内核。如果我是正确的，为什么要提出超出要求的要求？
如何在不使用with tf.device()语句的情况下在每个CPU内核之间分配任务？
然后我们进一步：
2。具有多个CPU内核的多个节点
此Senario是否可与运行的多个GPU相提并论？