tensorflow-GPU-session

sessionConfig = tf.ConfigProto()#配置session参数
sessionConfig.gpu_options.allow_growth = True#gpu按需分配

sess = tf.Session(config=sessionConfig)
sess.run(tf.global_variables_initializer())
saver = tf.train.Saver(tf.global_variables())

(1)在tensorflow中定义session时作如下设置，该设置会启用最少的GPU显存来运行程序。

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

(2)在tensorflow中定义session时作如下设置，该设置会强制程序只占用指定比例的GPU显存。

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.4 # 占用GPU40%的显存
session = tf.Session(config=config)

查询gpu是否可用

终端中

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

jupyter

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

TensorFlow-gpu安装成功，gpu不能使用，可能原因是cpu和gpu同时安装了，需要重新卸载cpu和gpu版本TensorFlow，然后只安装TensorFlow-gpu版本

pip uninstall tensorflow 
pip uninstall tensorflow-gpu
#conda list 查看是否完全卸载，要彻底卸载

pip install tensorflow-gpu=1.8.0

指定GPU运行

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

$CUDA_VISIBLE_DEVICES=0 python *.py ...