tensorflow指定GPU與動態分配GPU memory設定
阿新 • • 發佈:2020-02-04
在tensorflow中,預設指定佔用所有的GPU,如需指定佔用的GPU,可以在命令列中:
export CUDA_VISIBLE_DEVICES=1
這樣便是隻佔用1號GPU,通過命令
nvidia-smi
可以檢視各個GPU的使用情況。
另外,也可以在python程式中指定GPU,並且動態分配memory,程式碼如下
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))
這樣,佔用的GPU就是sys.argv[1]了,並且會按需分配memory。
以上這篇tensorflow指定GPU與動態分配GPU memory設定就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。