做电商网站货源,网络营销公司全网推广公司,做优化关键词,光速东莞网站建设一般情况下#xff0c;运行tensorflow时#xff0c;默认会占用可以看见的所有GPU#xff0c;那么就会导致其它用户或程序无GPU可用#xff0c;那么就需要限制程序对GPU的占用。并且#xff0c;一般我们的程序也用不了所有的GPU资源#xff0c;只是强行霸占着#xff0c;…一般情况下运行tensorflow时默认会占用可以看见的所有GPU那么就会导致其它用户或程序无GPU可用那么就需要限制程序对GPU的占用。并且一般我们的程序也用不了所有的GPU资源只是强行霸占着大部分资源都不会用到也不会提升运行速度。使用nvidia-smi可以查看本机的GPU使用情况如下图这里可以看出本机的GPU型号是K80共有两个K80四块可用(一个K80包括两块K40)。1、如果是只需要用某一块或某几块GPU可以在运行程序时利用如下命令运行CUDA_VISIBLE_DEVICES0,1 python test.py这里表示只有GPU 0和1对程序可见因此也就限制了程序只能用GPU 0和1同样也可以在代码里指定import osos.environ[CUDA_VISIBLE_DEVICES] 0,1如果想只用CPU不用CPU来运行程序可以用如下命令(所有GPU都不可见)CUDA_VISIBLE_DEVICES python test.py或者是CUDA_VISIBLE_DEVICES-1 python test.py2、让tensorflow只按需索取显存如下代码所示#only minimum use gpugpu_config tf.ConfigProto()gpu_config.gpu_options.allow_growth Truewith tf.Session(config gpu_config) as sess:前面是对GPU的限制那如果不用GPU只用CPU呢如何限制对CPU的使用呢前面也有提到如果使用命令CUDA_VISIBLE_DEVICES“”python test.py可以只使用CPU那如果想只使用部分CPU呢?可以通过如下代码限制cpu_config tf.ConfigProto(intra_op_parallelism_threads 8, inter_op_parallelism_threads 8, device_count {CPU: 8})with tf.Session(config cpu_config) as sess:以上这篇运行tensorflow python程序,限制对GPU和CPU的占用操作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。
