tensorflow指定GPU与动态分配GPU memory设置

(编辑：jimmy 日期: 2025/1/18 浏览：3 次 )

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，也希望大家多多支持。

上一篇：基于Python3.6中的OpenCV实现图片色彩空间的转换
下一篇：TensorFlow内存管理bfc算法实例