Cómo ejecutar Tensorflow en la CPU

He instalado la versión GPU de tensorflow en Ubuntu 14.04.

Estoy en un servidor de GPU donde tensorflow puede acceder a las GPU disponibles.

Quiero ejecutar tensorflow en las CPU.

Normalmente puedo usar env CUDA_VISIBLE_DEVICES=0para ejecutar en GPU no. 0.

¿Cómo puedo elegir entre las CPU en su lugar?

No estoy interesado en reescribir mi código con with tf.device("/cpu:0"):

Puede aplicar el device_countparámetro por tf.Session:

config = tf.ConfigProto(
        device_count = {'GPU': 0}
    )
sess = tf.Session(config=config)

Consulte también el archivo de configuración de protobuf:

tensorflow/core/framework/config.proto

También puede establecer la variable de entorno en

CUDA_VISIBLE_DEVICES=""

sin tener que modificar el código fuente.

Si las respuestas anteriores no funcionan, intente:

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Para mí, solo la configuración funciona CUDA_VISIBLE_DEVICEScon precisión -1:

Trabajos:

import os
import tensorflow as tf

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

if tf.test.gpu_device_name():
    print('GPU found')
else:
    print("No GPU found")

# No GPU found

No no trabajar:

import os
import tensorflow as tf

os.environ['CUDA_VISIBLE_DEVICES'] = ''    

if tf.test.gpu_device_name():
    print('GPU found')
else:
    print("No GPU found")

# GPU found

Simplemente usando el código a continuación.

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

En algunos sistemas hay que especificar:

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]=""  # or even "-1"

ANTES de importar tensorflow.

Podrías usar tf.config.set_visible_devices. Una función posible que le permite establecer si y qué GPU usar es:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Suponga que está en un sistema con 4 GPU y desea usar solo dos GPU, la que tiene id = 0y la que tiene id = 2, entonces el primer comando de su código, inmediatamente después de importar las bibliotecas, sería:

set_gpu([0, 2])

En su caso, para usar solo la CPU, puede invocar la función con una lista vacía :

set_gpu([])

Para completar, si desea evitar que la inicialización en tiempo de ejecución asigne toda la memoria en el dispositivo, puede usar tf.config.experimental.set_memory_growth. Finalmente, la función para administrar qué dispositivos usar, ocupando la memoria de la GPU de forma dinámica, se convierte en:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            for gpu in gpus_used:
                tf.config.experimental.set_memory_growth(gpu, True)
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Otra posible solución a nivel de instalación sería buscar la única variante de CPU: https://www.tensorflow.org/install/pip#package-location

En mi caso, esto da ahora mismo:

pip3 install https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.2.0-cp38-cp38-win_amd64.whl

Simplemente seleccione la versión correcta. Puntos de bonificación por usar un venv como se explica, por ejemplo, en esta respuesta .