我安装了tensorflow的gpu版本，一旦我创建会话，它就会向我显示以下日志：
我tensorflow/core/common_runtime/gpu/gpu_device.cc:885]找到设备0，其属性：名称：GeForce GTX TITAN Black主要：3次要：5内存时钟速率（GHz）0.98 pciBusID 0000：01：00.0总内存：5.94GiB免费内存：5.31GiB 我tensorflow/core/common_runtime/gpu/gpu_device.cc:906] DMA：0我tensorflow/core/common_runtime/gpu/gpu_device.cc:916] 0：YItensorflow/core/common_runtime/gpu/gpu_device。 cc:975] 创建 TensorFlow 设备 (/gpu:0) ->（设备：0，名称：GeForce GTX TITAN Black，pci 总线 id：0000:01:00.0）
当我检查 GPU 内存使用情况时，大约 90% 都被消耗了。
Tensorflow 文档对此没有任何说明。它能控制GPU吗？为什么它会消耗大部分内存？
我有一个一维数据集，使用 statsmodels 和 scipy，在 python 中计算了核密度估计。
我想生成一组随机数，看看它们是否给我相同的分布。
到目前为止我能找到的解决方案是这样的：
绘制 0 到 1 之间的数字 x 并返回 cdf^{-1}(x)，其中 cdf^{-1} 是 'f' 的逆累积分布函数。
问题是，使用 statsmodel 我能够找到逆累积分布，但以矩阵的形式。因此，将数字 x 与矩阵相乘并不能从计算的 KDE 分布中获得随机样本。
如何从给定的 KDE 函数或分布生成随机数？
编辑：这是一个代码示例：
def calcKDE(data):
#Calculating KDE
kde = sm.nonparametric.KDEUnivariate(data)
kde.fit(kernel='gau', bw='silverman')
return kde
def generateData(data, kde):
inverse_cdf = kde.icdf // this is a method which takes no parameters, and so is kde.cdf
randomSet = np.random.random(1) * inverse_cdf // inverse_cdf is taken as a matrix, will also add a loop here to …