我在英特尔至强机器上运行一个张量流代码，每台机器有 2 个物理 CPU，每个物理 CPU 有 8 个内核和超线程，总共有 32 个可用的虚拟内核。但是，我运行代码保持系统监视器打开，我注意到这 32 个 vCore 中只有一小部分被使用，平均 CPU 使用率低于 10%。
我是相当的张量流初学者，我没有以任何方式配置会话。我的问题是：我应该以某种方式告诉张量流它可以使用多少个核心吗？或者我应该假设它已经在尝试使用所有这些，但在其他地方存在瓶颈？(例如，访问硬盘速度慢(
默认情况下，TensorFlow将尝试使用所有可用的CPU资源。您无需为其配置任何内容。可能有很多原因导致您看到 CPU 使用率低。以下是一些可能性：
- 正如您所指出的，最常见的情况是输入管道缓慢。
- 您的图形可能主要是线性的，即对相对少量数据进行一长串狭窄的操作，每个操作链都取决于前一个的输出。当单个操作在较小的输入上运行时，并行化它几乎没有好处。
- 您也可能受到内存带宽的限制。
- 单个
session.run()呼叫几乎不需要时间。因此，您最终会在python和执行引擎之间来回切换。
您可以在此处找到有用的建议
使用时间线查看在以下情况下执行的内容