tf.ConfigProto()主要的作用是配置tf.Session的運算方式，比如gpu運算或者cpu運算
tf.ConfigProto一般用在創建session的時候，用來對session進行參數配置。

參數：

參數作用

log_device_placement	是否打印設備分配日志
inter_op_parallelism_threads	設置線程一個操作內部并行運算的線程數，比如矩陣乘法，如果設置為０，則表示以最優的線程數處理
intra_op_parallelism_threads	設置多個操作并行運算的線程數，比如 c = a + b，d = e + f . 可以并行運算
allow_soft_placement	有時候，不同的設備，它的cpu和gpu是不同的，如果將這個選項設置成True，那么當運行設備不滿足要求時，會自動分配GPU或者CPU(如果你指定的設備不存在，允許TF自動分配設備)
gpu_options	gpu配置項,一般用于限制GPU資源的使用

gpu_options

config = tf.ConfigProto()

為了加快運行效率，TensorFlow在初始化時會嘗試分配所有可用的GPU顯存資源給自己，這在多人使用的服務器上工作就會導致GPU占用，別人無法使用GPU工作的情況。tf提供了兩種控制GPU資源使用的方法:

• 動態申請顯存
  config.gpu_options.allow_growth = True ：默認開啟 Tensorflow 的 session 之后，就會占用幾乎所有的顯存，這樣的話速度會比較快。使用allow_growth，剛一開始分配少量的GPU容量，然后按需慢慢的增加，由于不會釋放內存，所以會導致碎片（當使用GPU時候，Tensorflow運行自動慢慢達到最大GPU的內存）
• 限制GPU的使用率
  config.gpu_options.per_process_gpu_memory_fraction = 0.4：當使用GPU時，設置GPU內存使用最大比例

tf.ConfigProto()使用參數的兩種方法:

第一種實在構造config對象時直接賦值，如下:

tf.ConfigProto(log_device_placement=True,allow_soft_placement=True)

第二種是先構造config對象，再對構造的config對象進行賦值，如下：

config = tf.ConfigProto() config.log_device_placement= True config.allow_soft_placement=True

讓參數設置生效的方法

session = tf.Session(config=config) 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的tf.ConfigProto()详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。