在預設條件下，tensorflow會一次佔滿左右視訊記憶體！這對於我們想在同一臺機器上跑多個程式不利（後面的程式會報視訊記憶體不足的錯誤），可以通過以下方式，設定tensorflow中視訊記憶體的使用方式
在python**中指定gpu
import os
os.environ[
"cuda_device_order"]=
"pci_bus_id"
os.environ[
"cuda_visible_devices"]=
"0"os.environ[
"cuda_visible_devices"]=
"-1"
# 不使用gpu
config = tf.configproto(
) config.gpu_options.per_process_gpu_memory_fraction =
0.9# 占用gpu90%的視訊記憶體
session = tf.session(config=config)
config = tf.configproto(
) config.gpu_options.allow_growth =
true
session = tf.session(config=config)
tensorflow設定gpu及gpu視訊記憶體使用
os.environ cuda visible devices 0 使用 gpu 0 os.environ cuda visible devices 0,1 使用 gpu 0，1 一是讓tensorflow在執行過程中動態申請視訊記憶體，需要多少就申請多少 第二種方式就是限制gpu的使用率。conf...
tensorflow設定GPU佔用量
參考 tensorflow設定gpu佔用量 tensorflow在訓練時預設占用所有gpu的視訊記憶體。可以通過以下方式解決該問題 1 在構造tf.session 時候通過傳遞tf.gpuoptions作為可選配置引數的一部分來顯式地指定需要分配的視訊記憶體比例，如下所示 假如有12gb的視訊記憶體...
TensorFlow設定GPU佔用量
tf.configproto一般用在建立session的時候。用來對session進行引數配置 with tf.session config tf.configproto tf.configproto 的引數 log device placement true 是否列印裝置分配日誌 allow so...