python - 如何使用具有 tensorflow 属性的所有内核中的一些(数量)cpu 内核

Question

我正在尝试将大学服务器用于我的深层代码，服务器上所有 CPU 的核心都是 64，但我只需要使用 24 个核心，每个人也可以使用服务器。我尝试限制我的 CPU 资源。我搜索所有 StackOverflow 以找到解决方案，但所有建议都不适用于我，例如降级 tensorflow 并使用

config = tf.ConfigProto(allow_soft_placement=True, 
                        intra_op_parallelism_threads=ncpu,
                        inter_op_parallelism_threads=ncpu)

和其他一些解决方案使用

import tensorflow as tf

tf.config.threading.set_intra_op_parallelism_threads(numb)
tf.config.threading.set_inter_op_parallelism_threads(numb)

我必须使用 TensorFlow 版本 2 或更高版本，因为我在代码中使用了“kerastuner”包

Answer 1

如果您在服务器上拥有管理员权限并且它运行的是 Windows 版本，您可以通过任务管理器简单地限制资源。
如果你想通过代码来做......看起来它是Tensorflow中的一个错误，可能会修复，关于github问题。
您可能想尝试:

export OMP_NUM_THREADS=2
tf.config.threading.set_intra_op_parallelism_threads(2)
tf.config.threading.set_inter_op_parallelism_threads(1)

正如 Leslie-Fang 报道的那样。如果这对你不起作用，我想你唯一的选择是加入 github 讨论，直到它被修复。