今天小编就为大家分享一篇tensorflow 限制显存大小的实现，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Python在用GPU跑模型的时候最好开多进程，因为很明显这种任务就是计算密集型的。
用进程池好管理，但是tensorflow默认情况会最大占用显存，尽管该任务并不需要这么多，因此我们可以设置显存的按需获取，这样程序就不会死掉了。
1. 按比例预留：
tf_config = tensorflow.ConfigProto() tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50% session = tensorflow.Session(config=tf_config)
2. 或者干脆自适应然后自动增长：
tf_config = tensorflow.ConfigProto() tf_conf<em style="color:transparent">来源[email protected]搞@^&代*@码)网</em>ig.gpu_options.allow_growth = True # 自适应 session = tensorflow.Session(config=tf_config)
以上这篇tensorflow 限制显存大小的实现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gaodaima搞代码网。
以上就是tensorflow 限制显存大小的实现的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：tensorflow 限制显存大小的实现
转载请注明原文链接：tensorflow 限制显存大小的实现
