这篇文章将为大家详细讲解有关Tensorflow如何设置显存自适应,显存比例的操作，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
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
关于“Tensorflow如何设置显存自适应,显存比例的操作”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
