TensorFlow 2.0之后动态分配显存方式
更新时间:2022年12月08日 09:28:04 作者:scluis
这篇文章主要介绍了TensorFlow 2.0之后动态分配显存方式,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
TensorFlow 2.0之后动态分配显存
import tensorflow as tf config = tf.compat.v1.ConfigProto() config.gpu_options.allow_growth = True sess = tf.compat.v1.Session(config = config) tf.compat.v1.keras.backend.set_session(sess)
keras和tensorflow动态分配显存
tensoflow或者基于tensorflow的keras,好像默认会直接将GPU中所有的显存都读过来,然后慢慢用。
这样如果是服务器是的话,别人就没法用了,这里转载了动态分配显存的方法:
tensorflow下,加入代码:
config = tf.ConfigProto() config.gpu_options.allow_growth = True #设置动态分配显存 session = tf.Session(config=config, ...)
或者:
config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 #只一次调用30%的显存 session = tf.Session(config=config, ...)
对于keras,如果使用tensorflow作为后端,多加一句话就好了:
import os os.environ["CUDA_VISIBLE_DEVICES"] = "1" from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 set_session(tf.Session(config=config)) # 此处不同
总结
以上为个人经验,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
解决python 出现unknown encoding: idna 的问题
这篇文章主要介绍了解决python出现 unknown encoding: idna 的问题,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2021-03-03关于jupyter lab安装及导入tensorflow找不到模块的问题
这篇文章主要介绍了关于jupyter lab安装及导入tensorflow找不到模块的问题,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2021-03-03
最新评论