錯誤型別：CUDA_ERROE_OUT_OF_MEMORY

GPU的全部memory資源不能全部都申請，可以通過修改引數來解決：

在session定義前增加

config = tf.ConfigProto(allow_soft_placement=True)
#最多佔gpu資源的70%
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
#開始不會給tensorflow全部gpu資源 而是按需增加
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)

當Host有多個GPU時，如何控制有多少個GPU在工作？

通過配置環境CUDA_VISIBLE_DEVICES來實現

在程式碼中：

os.environ["CUDA_VISIBLE_DEVICES"] = "2"

os.environ["CUDA_VISIBLE_DEVICES"] = 2

在命令列中：

CUDA_VISIBLE_DEVICES=0 python train.py  注意=號兩邊不能有空格

GPU訓練一段時間之後，溫度接近100度，然後罷工，提示GPU從總線上消失。

知道目前為止，也沒有找到好的辦法。