tensorflow指定GPU与动态分配GPU memory设置
在tensorflow中，默认指定占用所有的GPU，如需指定占用的GPU，可以在命令行中：
export CUDA_VISIBLE_DEVICES=1
这样便是只占用1号GPU，通过命令
nvidia-smi
可以查看各个GPU的使用情况。
另外，也可以在python程序中指定GPU，并且动态分配memory，代码如下
import os
import sys
os.environ['CUDA_VISIBLE_DEVICES'] = sys.argv[1]
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
set_session(tf.Session(config=config))
这样，占用的GPU就是sys.argv[1]了，并且会按需分配memory。
以上这篇tensorflow指定GPU与动态分配GPU memory设置就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
您可能感兴趣的文章:基于Tensorflow使用CPU而不用GPU问题的解决tensorflow:指定gpu 限制使用量百分比,设置最小使用量的实现运行tensorflow python程序,限制对GPU和CPU的占用操作tensorflow使用指定gpu的方法基于tensorflow指定GPU运行及GPU资源分配的几种方式小结检测tensorflow是否使用gpu进行计算的方式解决TensorFlow GPU版出现OOM错误的问题解决Tensorflow占用GPU显存问题已安装tensorflow-gpu,但keras无法使用GPU加速的解决
