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：
exportCUDA_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
importos importsys os.environ['CUDA_VISIBLE_DEVICES']=sys.argv[1] importtensorflowastf fromkeras.backend.tensorflow_backendimportset_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GPUmemory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毛票票。
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：czq8825#qq.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。