版权声明:本文为博主原创文章,转载请注明出处,谢谢 https://blog.csdn.net/suiyueruge1314/article/details/89312179
keras使用GPU训练:
1、简单方法:直接在运行前加 CUDA_VISIBLE_DEVICES=1
CUDA_VISIBLE_DEVICES=1 python train.py
2、指定一块或多块GPU
import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]="0"
就可以使用0号显卡了,如果想使用多块显卡就可以使用:
os.environ["CUDA_VISIBLE_DEVICES"]="0,1,2"
当然如果想更精细地分配GPU的使用量还可以这么写:
import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"] = '0' #指定第一块GPU可用
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 程序最多只能占用指定gpu50%的显存
config.gpu_options.allow_growth = True #程序按需申请内存
sess = tf.Session(config = config)