在含有多个CPU的centos云服务器中，Tensorflow如何指定固定的CPU节点或者让服务器随机分配CPU节点运行程序？

Question

我需要在云服务器(只有CPU)上利用Python运行深度学习模型，为了不占用别人的资源，我需要限制自己
使用的CPU数量，CPU核数以及内存，云服务器配置如下图，系统为centos7：
（从图片中可以看出配置了两个CPU，7个node(节点)c[0-5]+edi）
我使用网上的说法限制了CPU内核数，但是程序仍然在固定的节点(edi)上运行，不能在节点c0,c1,...,c5上运行，限制内核的代码如下：

with tf.Session(config=tf.ConfigProto(device_count = {'GPU': 0 ,'CPU': 2}, inter_op_parallelism_threads=4, intra_op_parallelism_threads=1, log_device_placement=True)) as sess:

下面附上我们实验室使用R对CPU进行控制的相关代码：

clustermq::Q(fun = segment, 
             x = 1,
             n_jobs = 4,
             template = list(n_cpus = 4,
                             job_name = "seg",
                             partition = "all", # 这一步就是系统会随机分给某个CPU
                             log_file = "" # adapt here
                             ), # adapt here

partition = "all", # 这一步就是系统会随机分给某个CPU节点
所以想请问一下python或者tensorflow中是否有相同的设置，可以让服务器随机分配CPU节点或者指定固定的CPU节点运行程序？
请各位大佬帮忙解答，不胜感激！

Answer 1

https://www.cnblogs.com/njucslzh/archive/2012/08/21/2649554.html