Tensorflow训练模型默认占满所有GPU的解决方案
作者：石头儿啊
这篇文章主要介绍了Tensorflow训练模型默认占满所有GPU的解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
Tensorflow训练模型默认占满所有GPU问题
在使用gpu服务器训练tensorflow模型时，总是占满显存！
TensorFlow默认的是占用所有GPU
因此我们需要手动设置使用的GPU编号以及单个GPU显存占用比例
1.第一步需要在代码中开头加入
import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # 按照PCI_BUS_ID顺序从0开始排列GPU设备 os.environ["CUDA_VISIBLE_DEVICES"]=‘0' # 使用0号gpu（想使用其他编号GPU，对应修改引号中的内容即可） os.environ["CUDA_VISIBLE_DEVICES"]=‘0,1' # 使用0号GPU和1号GPU
2.第二步需要将代码中的sess = tf.Session()改为
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333) # 通过改变0.333可以改变占用显存比例 sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
per_process_gpu_memory_fraction=0.333代表的含义就是每个GPU进程中使用显存的上限为该GPU总量的1/3
3.如果想要在程序运行过程中连续查看GPU信息
可以在终端使用该 指令（执行指令：watch -n 3 -d nvidia-smi # 每隔三秒输出一次）（前提是设备中有合适的NVIDIA驱动）
解决tensorflow2.2把GPU显存占满
安装了tensorflow-gpu后，运行程序默认是把GPU的内存全部占满的，有时我们不想全部占满，可以这样操作。
解决代码
import tensorflow as tf import os os.environ['CUDA_VISIBLE_DEVICES']="0" # 指定哪块GPU训练 config=tf.compat.v1.ConfigProto() # 设置最大占有GPU不超过显存的80%（可选） # config.gpu_options.per_process_gpu_memory_fraction=0.8 config.gpu_options.allow_growth = True # 设置动态分配GPU内存 sess=tf.compat.v1.Session(config=config)
如图：
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。