多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
2018-03-27 08:43
375 查看
服务器有多张显卡,一般是组里共用,分配好显卡和任务就体现公德了。除了在代码中指定使用的 GPU 编号,还可以直接设置可见 GPU 编号,使程序/用户只对部分 GPU 可见。
操作很简单,使用环境变量
具体来说,如果使用单卡运行 Python 脚本,则可输入
脚本将只使用 GPU1。
在 .py 脚本和 Notebook 中设置,则
还可以直接设置临时的环境变量:
此时该用户的 CUDA 只看得见 GPU0。
至于显存设置,可以设置使用比例(70%):
也可以按需增长:
如果是 Keras 使用 TensorFlow 后端,则可通过如
更改使用设置。
操作很简单,使用环境变量
CUDA_VISIBLE_DEVICES即可。
具体来说,如果使用单卡运行 Python 脚本,则可输入
CUDA_VISIBLE_DEVICES=1 python my_script.py
脚本将只使用 GPU1。
在 .py 脚本和 Notebook 中设置,则
import os os.environ["CUDA_VISIBLE_DEVICES"] = "2"
还可以直接设置临时的环境变量:
export CUDA_VISIBLE_DEVICES="0"
此时该用户的 CUDA 只看得见 GPU0。
至于显存设置,可以设置使用比例(70%):
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
也可以按需增长:
config = tf.ConfigProto() config.gpu_options.allow_growth = True session = tf.Session(config=config, ...)
如果是 Keras 使用 TensorFlow 后端,则可通过如
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))
更改使用设置。
相关文章推荐
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- tensorflow中指定GPU及GPU显存设置
- TensorFlow训练模型,指定GPU训练,设置显存,查看gpu占用
- tensorflow使用GPU训练时的显存占用问题
- tensorflow中使用指定的GPU及GPU显存
- tensorflow使用GPU训练时的显存占用问题
- tensorflow使用GPU训练时的显存占用问题
- tensorflow使用GPU训练时的显存占用问题
- tensorflow中使用指定的GPU及GPU显存
- Linux常用命令(实用,配置tensorflow环境使用服务器GPU预备知识)
- TensorFlow中指定GPU及GPU显存设置