zoukankan      html  css  js  c++  java
  • TensorFlow,Keras限制GPU显存

      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"
  • 相关阅读:
    算法
    如果业界中不用高级算法和数据结构,那为什么还要学?
    CentOS 7 运行级别切换
    ECharts笔记
    Vue+TypeScript学习
    TypeScript深入学习
    TypeScript基础
    检测数据类型的方法
    前端提高性能的方式
    柯里化
  • 原文地址:https://www.cnblogs.com/youyou0/p/9547751.html
Copyright © 2011-2022 走看看