浅谈多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
更新时间：2020年06月30日 09:21:13 作者：asher_lithium
这篇文章主要介绍了浅谈多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置，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
服务器有多张显卡，一般是组里共用，分配好显卡和任务就体现公德了。除了在代码中指定使用的 GPU 编号，还可以直接设置可见 GPU 编号，使程序/用户只对部分 GPU 可见。
操作很简单，使用环境变量 CUDA_VISIBLE_DEVICES 即可。
具体来说，如果使用单卡运行 Python 脚本，则可输入
CUDA_VISIBLE_DEVICES=1 python my_script.py
脚本将只使用 GPU1。
在 .py 脚本和 Notebook 中设置，则
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"
还可以直接设置临时的环境变量：
export CUDA_VISIBLE_DEVICES="0"
此时该用户的 CUDA 只看得见 GPU0。
至于显存设置，可以设置使用比例(70%)：
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
也可以按需增长：
config = tf.ConfigProto() config.gpu_options.allow_growth = True session = tf.Session(config=config, ...)
如果是 Keras 使用 TensorFlow 后端，则可通过如
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))
更改使用设置。
以上这篇浅谈多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用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。
您可能感兴趣的文章:
相关文章
这篇文章主要给大家介绍了关于pandas参数设置的实用小技巧，文中通过实例代码结束的非常详细，对大家学习或者使用pandas具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2020-08-08
在本篇内容里小编给大家整理了一篇关于python函数指定默认值的实例讲解内容，有需要的朋友们可以跟着学习参考下。2021-03-03
这篇文章主要介绍了Pandas如何提取单元格中的文字并进行切片处理方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-02-02
在本篇文章里小编给大家分享了关于Python元组的相关知识点内容，有兴趣的朋友们学习下。2019-02-02
Python eval()函数和ast.literal_eval()的区别你知道吗
这篇文章主要为大家详细介绍了Python eval()函数和ast.literal_eval()的区，文中图片代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-02-02
今天小编就为大家分享一篇浅谈django2.0 ForeignKey参数的变化，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2019-08-08
这篇文章主要为大家详细介绍了Python元组和列表，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-03-03
这篇文章主要介绍了Django 时间与时区设置问题，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-07-07
这篇文章主要为大家详细介绍了Python标准库中加密模块的相关知识，文中的示例代码讲解详细，具有一定的学习价值，感兴趣的小伙伴可以了解一下2023-07-07
这篇文章主要介绍了Python xmltodict模块安装及代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-10-10
最新评论