运行tensorflow python程序,限制对GPU和CPU的占用操作
一般情况下，运行tensorflow时，默认会占用可以看见的所有GPU，那么就会导致其它用户或程序无GPU可用，那么就需要限制程序对GPU的占用。并且，一般我们的程序也用不了所有的GPU资源，只是强行霸占着，大部分资源都不会用到，也不会提升运行速度。
使用nvidia-smi可以查看本机的GPU使用情况，如下图，这里可以看出，本机的GPU型号是K80，共有两个K80，四块可用（一个K80包括两块K40）。
1、如果是只需要用某一块或某几块GPU，可以在运行程序时，利用如下命令运行：CUDA_VISIBLE_DEVICES=0,1pythontest.py
这里表示只有GPU0和1对程序可见，因此也就限制了程序只能用GPU0和1
同样，也可以在代码里指定
importos os.environ["CUDA_VISIBLE_DEVICES"]="0,1"
如果想只用CPU，不用CPU来运行程序，可以用如下命令(所有GPU都不可见)：
CUDA_VISIBLE_DEVICES=''pythontest.py
或者是
CUDA_VISIBLE_DEVICES="-1"pythontest.py
2、让tensorflow只按需索取显存，如下代码所示
#onlyminimumusegpu gpu_config=tf.ConfigProto() gpu_config.gpu_options.allow_growth=True withtf.Session(config=gpu_config)assess:
前面是对GPU的限制，那如果不用GPU，只用CPU呢？如何限制对CPU的使用呢？
前面也有提到，如果使用命令CUDA_VISIBLE_DEVICES=“”pythontest.py可以只使用CPU，那如果想只使用部分CPU呢?可以通过如下代码限制
cpu_config=tf.ConfigProto(intra_op_parallelism_threads=8,inter_op_parallelism_threads=8,device_count={'CPU':8})
withtf.Session(config=cpu_config)assess:
以上这篇运行tensorflowpython程序,限制对GPU和CPU的占用操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。