tensorflow 多 GPU 同时运行？

Question

为了了解分布式tensorflow的机制，我用multi-gpus写了一个简单的tensorflow测试代码

def cv_data(SEED):
    np.random.seed(SEED)
    return np.random.rand(5,2,2)


def test(data):
    for i in range(5):
        with tf.device('/gpu:%d' %i ):
            with tf.name_scope('cv%d' %i):
                x = tf.placeholder(tf.float32,[2,2],name='x')
                y = tf.matmul(x,x)
    init = tf.initialize_all_variables()
    sess = tf.Session()
    with sess as sess:
        writer=tf.summary.FileWriter("test_graph",sess.graph)
        sess.run(init)
        print("y is ")
        print(sess.run(y,feed_dict={'cv0/x:0':np.ones((2,2)),'cv1/x:0':2*np.ones((2,2)),'cv2/x:0':3*np.ones((2,2)),'cv3/x:0':4*np.ones((2,2)),'cv4/x:0':5*np.ones((2,2))))
        #tf.train.Saver.save(sess,"./model")
        writer.close()

但是 sess.run() 只执行 /gpu:4 的图，如何让所有 gpus 同时运行？

Answer 1

您可以建立一个 Python 操作列表并将它们全部传递给sess.run。或者您可以汇总结果（例如tf.add_n）并运行该操作。

无论哪种方式，您都可能希望在循环之外有一个占位符，这意味着您将提供该值并将其复制到所有设备。