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呐喊教程。

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。