參考：https://www.cnblogs.com/jiu0821/p/9501665.html

Tensorflow默認(rèn)是會占用全部的GPU，而有時候你根本不需要那么占用那么多GPU資源，這時候就可以采用如下三種方法進(jìn)行解決：

1、在構(gòu)造tf.Session()時候通過傳遞tf.GPUOptions作為可選配置參數(shù)的一部分來顯式地指定需要分配的顯存比例，如下所示：

# 假如有12GB的顯存并使用其中的4GB: gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

per_process_gpu_memory_fraction指定了每個GPU進(jìn)程中使用顯存的上限，但它只能均勻作用于所有GPU，無法對不同GPU設(shè)置不同的上限

2、嘗試如下設(shè)置：

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

當(dāng)allow_growth設(shè)置為True時，分配器將不會指定所有的GPU內(nèi)存，而是根據(jù)需求增長

3、指定GPU編號：

import os os.environ["CUDA_VISIBLE_DEVICES"] = "0"或者在腳本或者命令行中指定 export CUDA_VISIBLE_DEVICES=0

轉(zhuǎn)載于:https://www.cnblogs.com/lucifer1997/p/10104253.html

總結(jié)

以上是生活随笔為你收集整理的Tensorflow取消占用全部GPU的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。