我在Keras上安装了Tensorflow后端和CUDA.我想有时需要强迫Keras使用CPU.这可以在没有在虚拟环境中安装单独的CPU Tensorflow的情况下完成吗？如果是这样的话？如果后端是Theano,可以设置标志,但我还没有听说过可通过Keras访问的Tensorflow标志.
我已经看到有关Tensorflow的GPU内存的几个问题,但我已经将它安装在没有GPU支持的Pine64上.
这意味着我使用非常有限的资源(仅限CPU和RAM)运行它,而Tensorflow似乎想要一切,完全冻结我的机器.
有没有办法限制分配给Tensorflow的处理能力和内存量？类似于bazel自己--local_resources旗帜的东西？