load two layer of cnn

some-test/tf_run_in_gpu.py

@@ -0,0 +1,52 @@
+import tensorflow as tf
+
+tf.test.is_gpu_available()
+
+# Tensorflow 2.10是最后一个在本地windows上支持GPU的版本。从2.11版本开始，需要在windows WLS2（适用于 Linux 的 Windows 子系统）上安装才能使用GPU。所以要在native-windows上使用GPU，就只能安装2.10.0版本及以下的版本，或者安装老版的tensorflow-gpu.
+# 指定在cpu上运行
+with tf.device('/cpu:0'):
+    cpu_a = tf.random.normal([10000, 1000])
+    cpu_b = tf.random.normal([1000, 2000])
+    cpu_c = tf.matmul(cpu_a, cpu_b)
+print("cpu_a:", cpu_a.device)
+print("cpu_b:", cpu_b.device)
+print("cpu_c:", cpu_c.device)
+# 查看gpu是否可用
+print(tf.config.list_physical_devices('GPU'))
+# 指定在gpu上运行
+with tf.device('/gpu:0'):
+    gpu_a = tf.random.normal([10000, 1000])
+    gpu_b = tf.random.normal([1000, 2000])
+    gpu_c = tf.matmul(gpu_a, gpu_b)
+print("gpu_a:", gpu_a.device)
+print("gpu_b:", gpu_b.device)
+print("gpu_c:", gpu_c.device)
+
+import tensorflow as tf
+import timeit
+
+
+def cpu_run():
+    with tf.device('/cpu:0'):
+        cpu_a = tf.random.normal([10000, 1000])
+        cpu_b = tf.random.normal([1000, 2000])
+        c = tf.matmul(cpu_a, cpu_b)
+    return c
+
+
+def gpu_run():
+    with tf.device('/gpu:0'):
+        gpu_a = tf.random.normal([10000, 1000])
+        gpu_b = tf.random.normal([1000, 2000])
+        c = tf.matmul(gpu_a, gpu_b)
+    return c
+
+
+cpu_time = timeit.timeit(cpu_run, number=10)
+gpu_time = timeit.timeit(gpu_run, number=10)
+print("cpu:", cpu_time, "  gpu:", gpu_time)
+# 检测 tensorflow 能使用的设备情况
+from tensorflow.python.client import device_lib
+
+# os.environ["CUDA_VISIBLE_DEVICES"] = "1"  # 这个可以指定使用哪个设备
+print(device_lib.list_local_devices())