Python在用GPU跑模型的时候最好开多进程,因为很明显这种任务就是计算密集型的。

用进程池好管理,但是tensorflow默认情况会最大占用显存,尽管该任务并不需要这么多,因此我们可以设置显存的按需获取,这样程序就不会死掉了。

1. 按比例预留:

tf_config = tensorflow.ConfigProto() 
tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50% 
session = tensorflow.Session(config=tf_config) 

2. 或者干脆自适应然后自动增长:

tf_config = tensorflow.ConfigProto() 
tf_config.gpu_options.allow_growth = True # 自适应 
session = tensorflow.Session(config=tf_config) 

以上这篇tensorflow 限制显存大小的实现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。

标签:
tensorflow,限制,显存大小

免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
评论“tensorflow 限制显存大小的实现”
暂无“tensorflow 限制显存大小的实现”评论...