工廠視頻智能分析系統解決方案通過安裝在工廠生產施工作業現場的各個監控裝置，構建智能監控分析預警和防范體系，工廠視頻智能分析系統解決方案有效彌補傳統方法和技術在管理中的缺陷。智慧工廠視頻監控智能分析系統實現對人員、機械、材料、環境的全方位實時監控，變被動“監督”為主動“監控”；真正做到事前預警，事中常態檢測，事后規范管理，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環境的TensorFlow中，如果沒有明確指明運行設備，TF會優先選擇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.]

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