В мире машинного и глубокого обучения TensorFlow стал одной из самых популярных платформ. Он использует возможности графических процессоров для ускорения вычислений и обучения моделей. Однако могут возникнуть ситуации, когда вы захотите отключить функции графического процессора в Jupyter Notebook либо из-за аппаратных ограничений, либо для экономии ресурсов. В этой статье блога мы рассмотрим несколько способов отключения графического процессора в Jupyter Notebook при использовании TensorFlow. Мы предоставим разговорные объяснения и простые примеры кода, которые помогут вам в этом.

Метод 1: установка переменной среды CUDA_VISIBLE_DEVICES
Переменная среды CUDA_VISIBLE_DEVICES позволяет вам контролировать, какие графические процессоры доступны для TensorFlow. Ограничив его значение пустой строкой, вы можете эффективно отключить графический процессор.

import os
os.environ["CUDA_VISIBLE_DEVICES"] = ""

Метод 2: использование конфигурации TensorFlow
TensorFlow предоставляет параметр конфигурации, позволяющий указать видимые устройства. Установив для этого параметра пустую строку, вы можете отключить функциональность графического процессора.

import tensorflow as tf
tf.config.set_visible_devices([], 'GPU')

Метод 3: использование опции графического процессора в сеансе TensorFlow
Если вы используете TensorFlow 1.x, вы можете отключить графический процессор, настроив сеанс TensorFlow с помощью allow_soft_placementи log_device_placementвариантов.

import tensorflow as tf
config = tf.ConfigProto(
    allow_soft_placement=True,
    log_device_placement=True
)
config.gpu_options.visible_device_list = ""
session = tf.Session(config=config)

Метод 4. Запуск Jupyter Notebook с флагом --NotebookApp.ResourceUseDisplay.
Другой подход — запустить Jupyter Notebook с флагом --NotebookApp.ResourceUseDisplay=False, который отключает отображение использования графического процессора.

jupyter notebook --NotebookApp.ResourceUseDisplay=False

Отключение функций графического процессора в Jupyter Notebook при использовании TensorFlow — это простой процесс. В этой статье мы рассмотрели четыре различных метода достижения этой цели. Установив переменные среды, используя конфигурацию TensorFlow, настроив сеанс TensorFlow или запустив Jupyter Notebook с определенными флагами, вы можете эффективно отключить графический процессор и сэкономить ресурсы. Поэкспериментируйте с этими методами, чтобы найти тот, который лучше всего соответствует вашим потребностям.