今天小编就为大家分享一篇tensorflow指定GPU与动态分配GPU memory设置，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
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.S<a style="color:transparent">来源gao($daima.com搞@代@#码网</a>ession(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gaodaima搞代码网。
以上就是tensorflow指定GPU与动态分配GPU memory设置的详细内容，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指定GPU与动态分配GPU memory设置
转载请注明原文链接：tensorflow指定GPU与动态分配GPU memory设置
