基于tensorflow指定GPU运行及GPU资源分配的几种方式小结
1.在终端执行时设置使用哪些GPU（两种方式）
(1)如下（export语句执行一次就行了，以后再运行代码不用执行）
(2)如下
2.代码中指定（两种方式）
(1)
importos os.environ["CUDA_VISIBLE_DEVICES"]="1"
(2)
#Createsagraph.
withtf.device('/gpu:1'):
a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a')
b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b')
c=tf.matmul(a,b)
#Createsasessionwithlog_device_placementsettoTrue.
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runstheop.
printsess.run(c)
若想使用多个GPU,如下
c=[]
fordin['/gpu:0','/gpu:1']:
withtf.device(d):
a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3])
b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2])
c.append(tf.matmul(a,b))
withtf.device('/cpu:0'):
sum=tf.add_n(c)
#Createsasessionwithlog_device_placementsettoTrue.
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runstheop.
printsess.run(sum)
3.GPU资源分配
(1)设置允许GPU增长
config=tf.ConfigProto() config.gpu_options.allow_growth=True session=tf.Session(config=config,...)
(2)设置每个GPU内存使用多少
config=tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction=0.4 session=tf.Session(config=config,...)
以上这篇基于tensorflow指定GPU运行及GPU资源分配的几种方式小结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。