tensorflow指定GPU与动态分配GPU memory设置
更新时间:2020年02月03日 11:40:18 作者:sherry颖
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.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脚本之家。
相关文章
教你利用python的matplotlib(pyplot)绘制折线图和柱状图
Python绘图需要下载安装matplotlib模块,它是一个数学绘图库,我们将使用它来制作简单的图表,如折线图和散点图,下面这篇文章主要给大家介绍了关于利用python的matplotlib(pyplot)绘制折线图和柱状图的相关资料,需要的朋友可以参考下2022-05-05
Python3.7 基于 pycryptodome 的AES加密解密、RSA加密解密、加签验签
这篇文章主要介绍了Python3.7 基于 pycryptodome 的AES加密解密、RSA加密解密、加签验签,本文通过实例代码给大家介绍的非常详细,需要的朋友可以参考下2019-12-12


最新评论