使用Tensorflow-GPU禁用GPU设置(CPU与GPU速度对比)

在 TensorFlow 中，可以使用以下代码来禁用 GPU：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

这个代码将环境变量 CUDA_VISIBLE_DEVICES 设置为 -1，这将禁用所有可用的 GPU。这在一些情况下可能很有用，例如在测试代码时，或者在没有 GPU 的机器上运行代码。

下面是两个示例，展示了使用 TensorFlow-GPU 禁用 GPU 的过程和 CPU 与 GPU 速度对比。

示例1：使用 TensorFlow-GPU 禁用 GPU

import tensorflow as tf
import os

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

# 构建计算图
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)

# 运行计算图
with tf.Session() as sess:
    print(sess.run(c))

在这个示例中，我们首先导入 TensorFlow 和 os 模块。然后，我们使用 os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 将环境变量 CUDA_VISIBLE_DEVICES 设置为 -1，这将禁用所有可用的 GPU。接下来，我们定义了两个张量 a 和 b，并将它们相乘得到一个新的张量 c。最后，我们使用 Session() 函数来运行 c。

示例2：CPU 与 GPU 速度对比

import tensorflow as tf
import time

# 使用 CPU 运行计算图
with tf.device('/cpu:0'):
    a = tf.random.normal([10000, 1000])
    b = tf.random.normal([1000, 2000])
    start_time = time.time()
    c = tf.matmul(a, b)
    end_time = time.time()
    print("CPU time: ", end_time - start_time)

# 使用 GPU 运行计算图
with tf.device('/gpu:0'):
    a = tf.random.normal([10000, 1000])
    b = tf.random.normal([1000, 2000])
    start_time = time.time()
    c = tf.matmul(a, b)
    end_time = time.time()
    print("GPU time: ", end_time - start_time)

在这个示例中，我们首先定义了两个张量 a 和 b，并将它们相乘得到一个新的张量 c。然后，我们使用 with tf.device('/cpu:0') 将计算图分配到 CPU 上，并使用 time 模块来计算 CPU 运行时间。接下来，我们使用 with tf.device('/gpu:0') 将计算图分配到 GPU 上，并使用 time 模块来计算 GPU 运行时间。最后，我们将 CPU 和 GPU 运行时间打印出来。

注意：在运行这个示例之前，需要确保已经安装了 TensorFlow-GPU，并且已经正确配置了 GPU。