Tensorflow设置显存自适应,显存比例的操作
更新时间:2020年02月03日 09:58:38 作者:tsq292978891
今天小编就为大家分享一篇Tensorflow设置显存自适应,显存比例的操作,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
Tensorfow框架下,在模型运行时,设置对显存的占用。
1. 按比例
config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.4 # 根据自己的需求确定 session = tf.Session(config=config, ...)
2. 自适应
config = tf.ConfigProto() config.gpu_options.allow_growth = True session = tf.Session(config=config, ...)
设置GPU的使用率的时候,都是在创建Session的时候,对config类进行设置。
此外,当电脑上有多块GPU的时候,可以指定选取哪一快GPU进行计算。
# 在程序开头添加 os.environ['CUDA_VISIBLE_DEVICES'] = '0' #使用 GPU 0 0对应着ubuntu系统给GPU的序号,可通过Nvidia-smi命令查看
若存在多个GPU
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' # 使用 GPU 0,1
一个常见的在代码中指定GPU使用的范例:
import tensorflow as tf import numpy as np import os os.environ['CUDA_VISIBLE_DEVICES']='0' config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction=0.6 with tf.Session(graph=...,config=config) as sess: ## 后续的操作
以上这篇Tensorflow设置显存自适应,显存比例的操作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
python+opencv3.4.0 实现HOG+SVM行人检测的示例代码
这篇文章主要介绍了python+opencv3.4.0 实现HOG+SVM行人检测的示例代码,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,需要的朋友们下面随着小编来一起学习学习吧2021-01-01
最新评论