由于我的GPU比較次，所以在遇到批量比較大或者輸入圖片分辨率較高時，我的GPU就頂不住了。

可以通過命令nvidia-smi查看顯存使用情況（2002摸一下就用完了。。。）這時候只能放棄速度切換CPU版本了。

1.遇到顯存不足的原因在切換CPU之前可以先嘗試：

import tensorflow as tf config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True)) sess = tf.compat.v1.Session(config=config)

2.切換CPU方式：

因為如果兩個版本安裝正確的話，默認是使用GPU的。如果查看是否安裝成功或者遇到報錯可以參考這篇博客（keras上運行Tensorflow-gpu的艱難歷程（最新版,更新中）_新手村霸的博客-CSDN博客_tensorflow和keras版本匹配）

從GPU切換為CPU只需要在程序開始之前（或者keras第一個運行）輸入如下代碼：

import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

總結

以上是生活随笔為你收集整理的keras在TensorFlow-GPU和CPU中来回切换，以及GPU显存不足的缓解方式（切换原因：GPU显存实在不足）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。