【Tensorflow】指定GPU训练

以下假设使⽤第3块GPU训练

1.在代码中添加

第⼀种⽅法：

tf.device(‘/gpu:2’)

第⼆种⽅法：

import os

如果要指定1，3块GPU来训练，则：

分享的价值和意义os.environ[‘CUDA_VISIBLE_DEVICES’]=’0，2’

郭业才2.在命令中添加

CUDA_VISIBLE_DEVICES=2 python train.py

Tensorflow指定显卡GPU运⾏

有些⼯作站配备了不⽌⼀块显卡，⽐如4路泰坦。TensorFlow会默认使⽤第0块GPU，⽽以TensorFlow为Backend的Keras会默认使⽤全部GPU资源。有时候有多个⼈需要跑实验，如果⼀个⼈占⽤了全部GPU，其他⼈就不能跑了。因此需要能够指定使⽤特定的GPU。

知识经济具体地，只需要在主代码的开头插⼊如下代码，即可指定使⽤第3块（从0开始计数）GPU。

地塞米松抑制试验

import os

可以使⽤nvidia-smi来查看GPU占⽤情况。

有⼀点需要注意的是，代码中指定的编号与nvidia-smi中显⽰的编号是相反的，即3、2、1、0分别对应着0、1、2、3。

tensorflow选择gpu (CUDA_VISIBLE_DEVICES=gpu_id)

连服务器有时候会出现 out of memory

心电电极

解决⽅法：换⽤空闲的gpu

1. 查看GPU

nvidia-smi -L王宝强书法100幅

2. 查看7号GPU

nvidia-smi -q -i 7

如果只看memory情况。可以⽤：nvidia-smi -q -i 7 -d MEMORY

本文发布于:2024-09-22 13:45:04，感谢您对本站的认可！

标签：代码指定需要默认全部

留言与评论（共有 0 条评论）