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!