工廠視頻智能分析系統(tǒng)解決方案通過安裝在工廠生產施工作業(yè)現場的各個監(jiān)控裝置，構建智能監(jiān)控分析預警和防范體系，工廠視頻智能分析系統(tǒng)解決方案有效彌補傳統(tǒng)方法和技術在管理中的缺陷。智慧工廠視頻監(jiān)控智能分析系統(tǒng)實現對人員、機械、材料、環(huán)境的全方位實時監(jiān)控，變被動“監(jiān)督”為主動“監(jiān)控”；真正做到事前預警，事中常態(tài)檢測，事后規(guī)范管理，將工廠安全生產做到信息化管理。

TensorFlow可以通過td.device函數來指定運行每個操作的設備，這個設備可以是本設備的CPU或GPU，也可以是遠程的某一臺設備。TF生成會話的時候，可愿意通過設tf.log_device_placemaent參數來打印每一個運算的設備。

import tensorflow as tf a = tf.constant([1.0,2.0,3.0],shape=[3],name='a') b = tf.constant([1.0,2.0,3.0],shape=[3],name='b') c= tf.add_n([a,b],name="c") with tf.Session(config=tf.ConfigProto(log_device_placement = True)) as sess: print(sess.run(c)) ######## Device mapping: no known devices. c: (AddN): /job:localhost/replica:0/task:0/device:CPU:0 b: (Const): /job:localhost/replica:0/task:0/device:CPU:0 a: (Const): /job:localhost/replica:0/task:0/device:CPU:0 [2. 4. 6.] 在配置好了GPU環(huán)境的TensorFlow中，如果沒有明確指明運行設備，TF會優(yōu)先選擇GPU。 import tensorflow as tf a = tf.constant([1.0,2.0,3.0],shape=[3],name='a') b = tf.constant([1.0,2.0,3.0],shape=[3],name='b') c= tf.add_n([a,b],name="c") with tf.Session(config=tf.ConfigProto(log_device_placement = True)) as sess: print(sess.run(c)) ######## Device mapping: no known devices. c: (AddN): /job:localhost/replica:0/task:0/device:GPU:0 b: (Const): /job:localhost/replica:0/task:0/device:GPU:0 a: (Const): /job:localhost/replica:0/task:0/device:GPU:0 [2. 4. 6.]

智慧工廠創(chuàng)造性的將工廠生產施工現場視頻管理、現場從業(yè)人員管理、物料管理、進度管理、揚塵噪聲監(jiān)測管理有機、高效、科學規(guī)范的結合起來，真正實現工廠生產工程項目業(yè)務流程與現場各類監(jiān)控數據流的有效結合和深度配合。智慧工廠視頻監(jiān)控智能分析系統(tǒng)大大提高了工廠生產企業(yè)的工作效率和管理力度，徹底顛覆了原有的傳統(tǒng)工廠生產現場管理模式，使生產企業(yè)的競爭力得到質的跨越。