博主个人网站：https://chenzhen.online

tf.configProto用于在创建Session的时候配置Session的运算方式，即使用GPU运算或CPU运算；

1. tf.ConfigProto()中的基本参数：

session_config = tf.ConfigProto(
    log_device_placement=True,
	allow_soft_placement=True,
	inter_op_parallelism_threads=0,
	intra_op_parallelism_threads=0)

sess = tf.Session(config=session_config)
参数 用法
log_device_placement=True 设置为True时，会打印出TensoFlow使用了哪种操作；
allow_soft_placement=True 当运行设备不满足要求时，会自动分配GPU或CPU；
inter_op_parallelism_threads=0 一个操作内部并行运算的线程数；
intra_op_parallelism_threads=0 多个操作并行运算的线程数；

2. tf.ConfigProto配置GPU

2.1 判断TensorFlow是否能够使用GPU运算

result = tf.test.is_built_with_cuda()
print(result)

2.2 两种方式配置使用具体哪块GPU

# 方式一：在python程序中设置
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
os.environ['CUDA_VISIBLE_DEVICES'] = '0, 1'


# 方式二：在执行.py文件时，指定具体GPU块
CUDA_VISIBLE_DEVICES=0,1 python test.py

2.3 动态申请GPU显存

session_config = tf.ConfigProto()  # 配置见第1节
session_config.gpu_options.allow_growth = True  # 动态申请
sess = tf.Session(config=session_config)

2.4 限制GPU的使用率

session_configsession_config = tf.ConfigProto()  # 配置见第1节
session_config.gpu_options.per_process_gpu_memory_fraction = 0.4  # 占用40%显存
session = tf.Session(config=session_config)

Reference