Tensorflow中检查GPU及其性能

Tensorflow中数据类型为张量，可运行在CPU，GPU或TPU设备上，但numpy中的array数据只能运行在CPU中，因此具有更高的计算效率。

Tensorflow编程中，一般无需指定设备，Tensorflow会自动调用所有可用资源进行计算，优先使用GPU，没有则使用CPU。

import tensorflow as tf

import timeit

print('version of TF:',tf.__version__)

print(tf.test.is_gpu_available())

gpus = tf.config.experimental.list_physical_devices(device_type='GPU')

cpus = tf.config.experimental.list_physical_devices(device_type='CPU')

print('GPU devices:')

print(gpus)

print('CPU devices:')

print(cpus)

def cpu_run():

    with tf.device('/cpu:0'):

        cpu_a = tf.random.normal([1000,2000])

        cpu_b = tf.random.normal([2000,1000])

        c = tf.matmul(cpu_a, cpu_b)

    return c

def gpu_run():

    with tf.device('/gpu:0'):

        gpu_a = tf.random.normal([1000,2000])

        gpu_b = tf.random.normal([2000,1000])

        c = tf.matmul(gpu_a, gpu_b)

    return c

k1 = 10

cpu_time = timeit.timeit(cpu_run, number=k1)

gpu_time = timeit.timeit(gpu_run, number=k1)

print('cpu time of k=10  :',cpu_time, 'gpu time of k=10  :',gpu_time)

k2 = 100

cpu_time = timeit.timeit(cpu_run, number=k2)

gpu_time = timeit.timeit(gpu_run, number=k2)

print('cpu time of k=100 :',cpu_time, 'gpu time of k=100 :',gpu_time)

k3 = 1000

cpu_time = timeit.timeit(cpu_run, number=k3)

gpu_time = timeit.timeit(gpu_run, number=k3)

print('cpu time of k=1000:',cpu_time, 'gpu time of k=1000:',gpu_time)