一、首先，檢視tensor flow擁有的資源
計算力查詢：
python
>>> import tensorflow as tf
>>>sess = tf.session(config=tf.configproto(log_device_placement=true))
選擇cpu用於計算：
with tf.graph.device(device_name_or_function):
例1：計算兩個張量的和：
import tensorflow as tf
a = tf.constant([5.0,6.0],shape=[1,2], name='a')
b = tf.constant([2.0,3.0],shape=[1,2], name='b')
c = tf.add(a,b)
sess = tf.session(config=tf.configproto(log_device_placement=true))
print(sess.run(c))
執行後結果如下：
2018-10-22 22:02:06.657247: i d:\nwani\l\tensorflow_1497951990344\work\tensorflow-1.1.0\tensorflow\core\common_runtime\******_placer.cc:841] add: (add)/job:localhost/replica:0/task:0/cpu:0
2018-10-22 22:02:06.657518: i d:\nwani\l\tensorflow_1497951990344\work\tensorflow-1.1.0\tensorflow\core\common_runtime\******_placer.cc:841] b: (const)/job:localhost/replica:0/task:0/cpu:0
2018-10-22 22:02:06.657872: i d:\nwani\l\tensorflow_1497951990344\work\tensorflow-1.1.0\tensorflow\core\common_runtime\******_placer.cc:841] a: (const)/job:localhost/replica:0/task:0/cpu:0
[[ 7. 9.]]
process finished with exit code 0
我的電腦上面顯示只有cpu，張量的和計算全部是在cpu上面進行的。
例2：平行計算pi的數值：
提公升應用系統執行效能和服務能力
目錄 1 資料庫方面 2 應用伺服器方面 3 客戶端方面 4 網路傳輸方面 5 其他方面 1.1 配置連線池 合理設定連線池的保有量，增長量，連線保持時長 正確評估系統的併發量，高峰期訪問量，減少連線建立與銷毀的開銷 1.2 優化表設計 對高頻率連線查詢進行資料冗餘 尤其是資料量極大的表 將需要連線...
獲取Android正在執行的任務和服務
檢測某activityupdate是否在當前task的棧頂 public static boolean istopactivy string cmdname,context context if null cmpnametemp return cmpnametemp.equals cmdname 判...
自動化指令碼登入跳板機和伺服器
通過跳板機，兩步驗證登入伺服器，示例 如下 usr bin expect set timeout 5 set jump server 127.0.0.1 set port 8080 set username test set userpasswd test set verifycode lindex...