TensorFlow如何指定GPU训练模型

为正义发声

如何指定GPU训练模型

Linux 查看当前服务器 GPU 的占用情况可以使用 nvidia-smi 命令，如下所示：

1. nvidia-smi

复制代码

关于 nvidia-smi 命令输出的详细解释，可参考笔者的另外一篇文章：GPU状态监测 nvidia-smi 命令详解。
在此不再赘述，本文主要分享一下在用 TensorFlow 训练模型时如何指定 GPU。
在用 TensorFlow 训练深度学习模型的时候，若无手动指定，默认是选用第0块来训练，而且其他几块 GPU 也会被显示占用。
有时候，我们更希望可以自己指定一块或者多块 GPU 来训练模型，接下来介绍一种常用的也是比较有效的方法：

举个例子

如果要指定只用第0块 GPU 训练，可以在 python 代码中如下指定：

1. import os
   
2. os.environ['CUDA_VISIBLE_DEVICES']='0'

复制代码

运行 python 程序后，可发现就只有第0块 GPU 显示被占用，如上图所示。

如果要指定多块 GPU

可以如下：

1. os.environ['CUDA_VISIBLE_DEVICES']='1,2'

复制代码

当然，上述这种方法不太方便，每次运行若换用 GPU 训练都需要改代码，可以在运行 python 程序的时候进行指定：

1. CUDA_VISIBLE_DEVICES=0 python textCnn.py   

复制代码

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。

来源:https://www.jb51.net/article/266541.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！