Tensorflow - 是否可以手动决定图中的哪些张量进入 GPU 和 CPU？
Tensorflow - Is it possible to manually decide which tensors in a graph go to the GPU and CPU?
我在 Keras 中创建了一个同时使用卷积层和 LSTM 层的网络。
而且我读到 tensorflow 不能很好地处理 GPU 中的 LSTM 层：http://minimaxir.com/2017/07/cpu-or-gpu/
事实上，我的网络在 GPU 中变慢了（希望这不是进一步的问题）。
我想让tensorflow把所有的卷积运算都丢给GPU，但是把所有的LSTM运算都保留在CPU里面。这可能吗？
那么，考虑到我可以找到张量流图并识别它的每个张量，我可以手动定义每个张量执行操作的位置吗？
实施 this 网络后，您可以（如果您使用 Tensorflow）尝试以下技术：
with tf.device('/cpu:0'):
# model layers which should be run on CPU go here
查看此文档：Distributed TensorFlow Specifying distributed devices in your model
我在 Keras 中创建了一个同时使用卷积层和 LSTM 层的网络。
而且我读到 tensorflow 不能很好地处理 GPU 中的 LSTM 层：http://minimaxir.com/2017/07/cpu-or-gpu/
事实上，我的网络在 GPU 中变慢了（希望这不是进一步的问题）。
我想让tensorflow把所有的卷积运算都丢给GPU，但是把所有的LSTM运算都保留在CPU里面。这可能吗？
那么，考虑到我可以找到张量流图并识别它的每个张量，我可以手动定义每个张量执行操作的位置吗？
实施 this 网络后，您可以（如果您使用 Tensorflow）尝试以下技术：
with tf.device('/cpu:0'):
# model layers which should be run on CPU go here
查看此文档：Distributed TensorFlow Specifying distributed devices in your model