设置可见GPU,进行多显卡深度学习训练
2017-10-01 10:00
387 查看
在深度学习中,如果一台电脑具有多个NVIDIA的GPUs,用户想要在不同的GPU上训练不同的网络,那么在程序中指定占用的GPU的id,在python中如:
即可指定GPU id为0的GPU可见,其他的不可见,就不会占用其他GPU了。
import os os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" # see issue #152 os.environ["CUDA_VISIBLE_DEVICES"]="0"
即可指定GPU id为0的GPU可见,其他的不可见,就不会占用其他GPU了。
相关文章推荐
- 使用Floyd进行GPU深度学习训练
- 深度学习框架里使用GPU训练网络参数时查看GPU的使用情况
- 【深度学习】笔记7: CNN训练Cifar-10技巧 ---如何进行实验,如何进行构建自己的网络模型,提高精度
- Colaboratory:手把手教你使用Google免费的云端IDE进行深度学习(免费的GPU加速)的详细攻略——Jason niu
- 深度学习-CAFFE利用CIFAR10网络模型训练自己的图像数据获得模型-4应用生成模型进行预测
- 【深度学习】【caffe实用工具4】笔记26 windows下使用Caffe中的源代码进行【训练】和【预测】
- 使用TensorFlow,GPU和Docker容器进行深度学习
- 深度学习训练时GPU温度过高?几个命令,为你的GPU迅速降温。
- 深度学习Caffe平台实例——CIFAR-10数据集在caffe平台上模型训练及实例使用模型进行预测
- 【神经网络与深度学习】用训练好的caffemodel来进行分类
- 深度学习与人脸识别系列(6)__利用训练好的vgg模型进行人脸识别(利用摄像头)
- 深度学习文章5:使用caffe对自己的图像数据进行训练并测试
- 【神经网络与深度学习】Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 英伟达发布深度学习GPU训练系统DIGITS 5,自带图像分割与在线模型库
- 3月13日云栖精选夜读:通过阿里云容器服务深度学习解决方案上手Caffe+多GPU训练
- 使用TensorFlow,GPU和Docker容器进行深度学习
- 通过阿里云容器服务深度学习解决方案上手Caffe+多GPU训练
- 深度学习之五:使用GPU加速神经网络的训练
- 使用亚马逊AWS云服务器进行深度学习——免环境配置/GPU支持/Keras/TensorFlow/OpenCV
- 深度学习与人脸识别系列(5)__利用训练好的vgg模型进行人脸识别(利用摄像头)