keras如果是使用theano後端的話，應該是自動不使用ｇｐｕ只是用ｃｐｕ的，啟動ｇｐｕ使用theano內部命令即可。
對於tensorflow後端的keras以及tensorflow會自動使用可見的ｇｐｕ，而我需要其必須只執行在ｃｐｕ上。網上查到三種方法，最後一種方法對我有用，但也對三種都做如下記錄：
使用tensorflow的 with tf.device('/cpu:0'):函式。簡單操作就是把所有命令都放在前面所述的域裡面。
使用tensorflow宣告session時的引數：
關於tensorflow中session中的部分引數設定，以及keras如何設定其呼叫的tensorflow的session，可以參見keras設定gpu使用記憶體大小(tensorflow backend)。
對於tensorflow，宣告session的時候加入device_count=即可，**如下：
import tensorflow as tf
sess = tf.session(config=tf.configproto(device_count=))
對於keras,則呼叫後端函式，設定其使用如上定義的session即可，**如下：
import tensorflow as tf
import keras.backend.tensorflow_backend as ktf
ktf.set_session(tf.session(config=tf.configproto(device_count=)))
對於多執行緒以及ｇｐｕ記憶體設定等可以參見keras設定gpu使用記憶體大小(tensorflow backend)；更多詳細內容請見tensorflow官網。
3 . 第三種是使用cuda_visible_devices命令列引數，**如下：
cuda_visible_devices="" python3 train.py
TensorFlow框架 tensorflow基礎
1 圖預設已經註冊，一組表示 tf.operation計算單位的物件和tf.tensor，表示操作之間流動的資料單元的物件 2 獲取呼叫 tf.get default graph op sess或者tensor 的graph屬性 3 圖的建立和使用 執行tensorflow操作圖的類，使用預設註冊的...
基於 Anaconda 安裝 tensorflow
anaconda 是乙個整合許多第三方科學計算庫的 python 科學計算環境,anaconda 使用 conda 作為自己的包管理工具,同時具有自己的計算環境,類似 virtualenv.和 virtualenv 一樣,不同 python 工程需要的依賴包,conda 將他們儲存在不同的地方。te...
基於Anaconda安裝tensorflow
anaconda 是乙個整合許多第三方科學計算庫的 python 科學計算環境,anaconda 使用 conda 作為自己的包管理工具,同時具有自己的計算環境,類似 virtualenv.和 virtualenv 一樣,不同 python 工程需要的依賴包,conda 將他們儲存在不同的地方。te...