tensorflow指定GPU与动态分配GPU memory设置
2020-02-13 11:30
1331 查看
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:
export CUDA_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
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))
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GPU memory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
您可能感兴趣的文章:
相关文章推荐
- tensorflow中指定GPU及GPU显存设置
- 基于tensorflow指定GPU运行及GPU资源分配的几种方式小结
- TensorFlow训练模型,指定GPU训练,设置显存,查看gpu占用
- TensorFlow中指定GPU及GPU显存设置
- TensorFlow中指定GPU及GPU显存设置
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- 设置SDWebImage中maxCacheSize动态管理图片内存缓存大小无效。maxCacheSize和maxMemoryCost的定义和使用。
- tensorflow指定GPU和限定GPU使用量
- tensorflow 中对 tf.estimator 分配 多GPU 方法
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- Tensorflow 多GPU下,指定使用某一块GPU
- Windows下安装tensorflow GPU版本报错:OSError: [WinError 126] 找不到指定的模块/Could not find 'cudart64_90.dll'.
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- Tensorflow 指定GPU运行
- TensorFlow设置GPU占用量
- 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
- ubuntu 上运行tensorflow时指定gpu
- 深度学习(Google深度学习框架Tensorflow)设置CPU、GPU的设备信息
- TensorFlow——tensorflow指定CPU与GPU运算
- 【实测有效】tensorflow-gpu ImportError: DLL load failed: 找不到指定的模块。