Tensorflow CPU核数设置

device_count : 设置最高使用CPU核数上限

inter_op_parallelism_threads和intra_op_parallelism_threads告诉session *** 作的线程并行程度，如果值越小，线程的复用就越少，越可能使用较多的CPU核数。如果值为0，TF会自动选择一个合适的值。

log_device_placement = True ,可以获取到 operations 和 Tensor 被指派到哪个设备(几号CPU或几号GPU)上运行,会在终端打印出各项 *** 作是在哪个设备上运行的。

TensorFlow即可以支持CPU，也可以支持CPU+GPU。前者的环境需求简单，后者需要额外的支持。

一、安装Anaconda并配置环境

1，首先安装Anaconda,安装时确保勾选添加到环境变量的选项，可以不需要自己再另外配置环境变量

2，检查Anaconda是否安装成功： conda --version

3，检测目前安装了哪些环境：conda info --envs

4，检查目前有哪些版本的python可以安装：conda search --full-name python

5，安装不同版本的python，创建名为tensorflow的环境：conda create --name tensorflow python=3.7

安装完成之后按照提示激活环境： activate tensorflow

6，确保名叫tensorflow的环境已经被成功添加：conda info --envs

7.检查新环境中的python版本：python --version

8.退出当前环境：deactivate

二，TensorFlow安装

首先activate tensorflow激活环境，在环境下开始安装，pip install tensorflow

安装时特别慢，可以使用国内镜像源： pip install --upgrade --ignore-installed tensorflow -i https://pypi.douban.com/simple

以上是使用豆瓣镜像地址，可以更换其他地址：

验证是否安装成功:

cmd>激活环境 activate tensorflow >输入python>然后键入:

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

tens1 = tf.constant([1,2,3])

sess = tf.compat.v1.Session()

print(sess.run(tens1))

sess.close()

三，在Pycharm使用

首先安装好PyCharm新建python项目, Vitualenv Environment选择Anaconda3的python项目

Conda环境，选择之前新建的tensorflow环境

四，TensorBoard的使用

（1)激活trnsorflow环境

（2)安装tensorboard

(3) 运行tensorboard

---