个人网站开发合同,网站推广引流,怎么开发一个小程序,上海网站建设公司排名参考#xff1a;https://www.cnblogs.com/jiu0821/p/9501665.html Tensorflow默认是会占用全部的GPU#xff0c;而有时候你根本不需要那么占用那么多GPU资源#xff0c;这时候就可以采用如下三种方法进行解决#xff1a; 1、在构造tf.Session()时候通过传递tf.GPUOptions作…参考https://www.cnblogs.com/jiu0821/p/9501665.html Tensorflow默认是会占用全部的GPU而有时候你根本不需要那么占用那么多GPU资源这时候就可以采用如下三种方法进行解决 1、在构造tf.Session()时候通过传递tf.GPUOptions作为可选配置参数的一部分来显式地指定需要分配的显存比例如下所示 # 假如有12GB的显存并使用其中的4GB:
gpu_options tf.GPUOptions(per_process_gpu_memory_fraction0.333)
sess tf.Session(configtf.ConfigProto(gpu_optionsgpu_options)) per_process_gpu_memory_fraction指定了每个GPU进程中使用显存的上限但它只能均匀作用于所有GPU无法对不同GPU设置不同的上限 2、尝试如下设置 config tf.ConfigProto()
config.gpu_options.allow_growthTrue
sess tf.Session(configconfig) 当allow_growth设置为True时分配器将不会指定所有的GPU内存而是根据需求增长 3、指定GPU编号 import os
os.environ[CUDA_VISIBLE_DEVICES] 0或者在脚本或者命令行中指定
export CUDA_VISIBLE_DEVICES0 转载于:https://www.cnblogs.com/lucifer1997/p/10104253.html
