tensorflow手动指定GPU以及显存大小

以前我们组就一块显卡，不存在指定设备的问题。近期刚插了一块新的gtx 1080ti，几人公用两块卡来做训练、测试、预测等等，网上找了个方式可以指定使用的设备，并且限定使用的显存大小，还是很有用的，亲测可行，拿过来分享给大家~~~~~

为了测试方便，使用了mnist代码，数据集和代码都比较小，比较好控制。mnist代码有点多就不贴了，大家自己找找吧。

下面开始正题：

一般来说GPU device编号是从0开始的，第二块的话就是1。如果不指定，那tf就优先使用GPU并且默认用第一块卡。

可以通过下面的方式来手动指定使用的GPU：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "1"

使用nvidia-smi命令查看一下GPU的使用情况：

发现使用的设备已经是GPU1了，并且显存是用满的。

然后我们下面的代码来限定显存使用：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

我们设置使用显存为实际显存的70%，看看效果如何：

版权声明：本文来源CSDN，感谢博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。
原文链接：https://blog.csdn.net/weixin_42401666/article/details/85259800
站方申明：本站部分内容来自社区用户分享，若涉及侵权，请联系站方删除。

发表于 2019-09-05 18:15:59
阅读 ( 1236 )
分类：

tensorflow手动指定GPU以及显存大小

你可能感兴趣的文章

精选的优质文章

0 条评论

官方社群

GO教程

推荐文章

猜你喜欢

随便看看