設置使用哪塊GPU：

import os os.environ['CUDA_VISIBLE_DEVICES'] = '0' # 使用 GPU 0 os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' # 使用 GPU 0，1

這樣tensorflow此時只會在指定的GPU上運行，但是仍然會占用整個GPU的顯存，不過不和其他人公用GPU時也不會有影響，下面介紹兩種限定GPU占用的方法：

為了加快運行效率，TensorFlow在初始化時會嘗試分配所有可用的GPU顯存資源給自己，這在多人使用的服務器上工作就會導致GPU占用，別人無法使用GPU工作的情況。
tf提供了兩種控制GPU資源使用的方法，一是讓TensorFlow在運行過程中動態申請顯存，需要多少就申請多少;第二種方式就是限制GPU的使用率。

1、動態申請顯存

config = tf.ConfigProto() config.gpu_options.allow_growth = True session = tf.Session(config=config)

2、限制GPU使用率

config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%顯存 session = tf.Session(config=config)

或者：

gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.4) config=tf.ConfigProto(gpu_options=gpu_options) session = tf.Session(config=config)

?

總結

以上是生活随笔為你收集整理的tensorflow中GPU的设置的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。