如何在单核上运行 Tensorflow？答案

【问题标题】：How can I run Tensorflow on one single core?如何在单核上运行 Tensorflow？
【发布时间】：2016-11-06 08:50:29
【问题描述】：

我在集群上使用 Tensorflow，我想告诉 Tensorflow 只在一个单核上运行（即使有更多可用核）。

有人知道这是否可能吗？

【问题讨论】：

【解决方案1】：

为了在单个 CPU 线程上运行 Tensorflow，我使用：

session_conf = tf.ConfigProto(
      intra_op_parallelism_threads=1,
      inter_op_parallelism_threads=1)
sess = tf.Session(config=session_conf)

device_count 限制正在使用的 CPU 的数量，而不是内核或线程的数量。

tensorflow/tensorflow/core/protobuf/config.proto 说：

message ConfigProto {
  // Map from device type name (e.g., "CPU" or "GPU" ) to maximum
  // number of devices of that type to use.  If a particular device
  // type is not found in the map, the system picks an appropriate
  // number.
  map<string, int32> device_count = 1;

在 Linux 上，您可以运行 sudo dmidecode -t 4 | egrep -i "Designation|Intel|core|thread" 来查看您有多少 CPU/内核/线程，例如下面有2个CPU，每个有8个核心，每个有2个线程，总共有2*8*2=32个线程：

fra@s:~$ sudo dmidecode -t 4 | egrep -i "Designation|Intel|core|thread"
    Socket Designation: CPU1
    Manufacturer: Intel
            HTT (Multi-threading)
    Version: Intel(R) Xeon(R) CPU E5-2667 v4 @ 3.20GHz
    Core Count: 8
    Core Enabled: 8
    Thread Count: 16
            Multi-Core
            Hardware Thread
    Socket Designation: CPU2
    Manufacturer: Intel
            HTT (Multi-threading)
    Version: Intel(R) Xeon(R) CPU E5-2667 v4 @ 3.20GHz
    Core Count: 8
    Core Enabled: 8
    Thread Count: 16
            Multi-Core
            Hardware Thread

在 Ubuntu 14.04.5 LTS x64 和 Ubuntu 16.04 LTS x64 上使用 Tensorflow 0.12.1 和 1.0.0 进行测试。

【讨论】：

不幸的是，这在 WIndows 10 (tf 1.5.0) 上运行时似乎没有效果。没有办法让其他程序免费使用内核是个问题。
@LiamRoche 我认为这不应该发生。您可能想在 tensorflow GitHub 存储库中提出问题。
不需要加device_count={'GPU': 0}吗？
对于 tf v2：tf.config.threading.set_inter_op_parallelism_threads(1) tf.config.threading.set_intra_op_parallelism_threads(1)
按照您的代码使用以下 CPU，我得到 8 个线程。我怎样才能只得到1个线程？版本：Intel(R) Core(TM) i5-8250U CPU @ 1.60GHz 核心数：4 核心启用：4 线程数：8 多核硬件线程

【解决方案2】：

您可以在创建会话时通过在ConfigProto 中传递适当的device_count 作为config 参数来限制TensorFlow 使用的特定类型的设备数量。例如，您可以限制 CPU 设备的数量，如下所示：

config = tf.ConfigProto(device_count={'CPU': 1})
sess = tf.Session(config=config)
with sess.as_default():
  print(tf.constant(42).eval())

【讨论】：

我试过这个，但它不起作用。如果我向集群提交作业，Tensorflow 仍然可以在一个节点的所有可用内核上运行。我执行以下操作： init = tf.initialize_all_variables() #launch the graph config = tf.ConfigProto(device_count={'CPU': 1}) sess = tf.Session(config=config) sess.run(init)跨度>
我也遇到了同样的问题。 tf.ConfigProto(device_count={'CPU': 1}) 不生效。 intra_op_parallelism_threads=1 和 inter_op_parallelism_threads=1 确实生效。

【解决方案3】：

是的，可以通过线程关联来实现。线程亲和性允许您决定由 cpu 的哪个特定核心执行哪个特定线程。对于线程关联，您可以在 Linux 上使用“taskset”或“numatcl”。你也可以使用https://man7.org/linux/man-pages/man2/sched_setaffinity.2.html和https://man7.org/linux/man-pages/man3/pthread_setaffinity_np.3.html

以下代码不会指示/指示 Tensorflow 仅在一个内核上运行。

TensorFlow 1

session_conf = tf.ConfigProto(
      intra_op_parallelism_threads=1,
      inter_op_parallelism_threads=1)
sess = tf.Session(config=session_conf)

TensorFlow 2

import os
# reduce number of threads
os.environ['TF_NUM_INTEROP_THREADS'] = '1'
os.environ['TF_NUM_INTRAOP_THREADS'] = '1'
import tensorflow

这将总共生成至少 N 个线程，其中 N 是 cpu 内核的数量。大多数时候只有一个线程在运行，而其他线程处于睡眠模式。

来源： https://github.com/tensorflow/tensorflow/issues/42510 https://github.com/tensorflow/tensorflow/issues/33627

【讨论】：