tensorflow 使用 cpu 而不使用 gpu 问题

查看 tensorflow 版本
　　conda list
例如发现 tensorflow 1.10.0
　　tensorflow-gpu 1.10.0
当两个版本相同时，默认会使用 cpu 版本
如果同时存在 cpu 和 gpu 版本的 tensorflow，系统默认使用版本高的 tensorflow
如果想要使用 gpu 版本的 tensorflow，只需要将 gpu 版本升级比 cpu 高，即可解决

 

在运行之前先查看GPU的使用情况：
　　指令：nvidia-smi 备注：查看GPU此时的使用情况
　　或者
　　指令：watch nvidia-smi 备注：实时返回GPU使用情况

 

两种限定GPU占用量的方法：
　　方法一、设置定量的GPU显存使用量:
　　　　config = tf.ConfigProto()
　　　　config.gpu_options.per_process_gpu_memory_fraction = 0.4 # 占用GPU40%的显存
　　　　session = tf.Session(config=config)
　　方法二、设置最小的GPU显存使用量，动态申请显存:（建议）
　　　　config = tf.ConfigProto()
　　　　config.gpu_options.allow_growth = True
　　　　session = tf.Session(config=config)

 

指定GPU训练：
　　方法一、在python程序中设置：
　　　　代码：os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘0’ 备注：使用 GPU 0
　　　　代码：os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘0,1’ 备注：使用 GPU 0，1
　　方法二、在执行python程序时候：
　　　　指令：CUDA_VISIBLE_DEVICES=2 python yourcode.py
　　　　指令：CUDA_VISIBLE_DEVICES=0,1 python yourcode.py
　　　　备注：‘=’的左右不允许有空格

转载于:https://www.cnblogs.com/wandaoyi/p/11544109.html