tensorflow学习笔记

tf.initialize_all_variables()：并行地初始化所有变量

tf.train.Saver()：保存变量

saver = tf.train.Saver()

恢复变量： 

saver.restore(sess, "/tmp/model.ckpt")

tf.ConfigProto：配置tf.session的运算方式，比如GPU和CPU

 

og_device_placement=True

• 设置为True时，会打印出TensorFlow使用了那种操作

 

inter_op_parallelism_threads=0

• 设置线程一个操作内部并行运算的线程数，比如矩阵乘法，如果设置为０，则表示以最优的线程数处理

 

intra_op_parallelism_threads=0

• 设置多个操作并行运算的线程数，比如 c = a + b，d = e + f . 可以并行运算

 

allow_soft_placement=True

• 有时候，不同的设备，它的cpu和gpu是不同的，如果将这个选项设置成True，那么当运行设备不满足要求时，会自动分配GPU或者CPU。

当使用GPU时候，Tensorflow运行自动慢慢达到最大GPU的内存

session_config.gpu_options.allow_growth = True

 

当使用GPU时，设置GPU内存使用最大比例

session_config.gpu_options.per_process_gpu_memory_fraction = 0.4

 

是否能够使用GPU进行运算

tf.test.is_built_with_cuda()

with tf.session as sess:

可以避免在结尾写sess.close()，一般都这样用

tf.graph()：创建一个新的图，而不使用原来默认的。

g=tf.Graph

with g.as_default():

a = 3

b = 5

x = tf.add(x,y)

sess = tf.Session(graph=g)#session is run on the graph g