运行TensorFlow程序会占用过多的显卡比例,多人共同使用GPU的时候,会造成后面的人无法运行程序。
一、TensorFlow
1.预加载比例限制
tf_config = tensorflow.ConfigProto() tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50% session = tensorflow.Session(config=tf_config)
2.自适应
tf_config = tensorflow.ConfigProto() tf_config.gpu_options.allow_growth = True session = tensorflow.Session(config=tf_config)
二、Keras
1.当使用Keras的情况下,当import keras时,框架会自动开启一个默认参数的Session。可以通过下面的代码主动创建一个使用了ConfigProto的Session,再注入到Keras的后端中去:
from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.allow_growth = True set_session(tf.Session(config=config))
注意:第一行必须直接import这个函数,而非keras这个包,而且这句话必须在其他import keras之前,否则keras初始化之后,再替换一个session,原session也不会释放。
三、在Python程序中指定cpu
import os os.environ["CUDA_VISIBLE_DEVICES"] = "0"
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:TensorFlow,Keras限制GPU显存 - Python技术站