关于tensorflow1.13指定训练显卡的问题

最新推荐文章于 2024-09-09 12:49:05 发布
最新推荐文章于 2024-09-09 12:49:05 发布
阅读量278 收藏 2
点赞数
分类专栏： 深度学习 tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cxn511/article/details/95373719
版权

以前1.12版本的时候直接在train 文件里加上os.environ["CUDA_VISIBLE_DEVICES"]="0"即可。今天在1.13上这样已经不行了，包括在终端加上指定指令也不行。解决方法是在train文件加入config = tf.ConfigProto(allow_soft_placement = True) sess = tf.Session(config = config)，并在终端加上CUDA_VISIBLE_DEVICE=0 python train.py，执行，Ok.

妞总不泰迪
关注
专栏目录
BERT | 使用TensorFlow无法使用显卡
亓官劼的博客
02-18 1388
BERT | 使用TensorFlow无法使用显卡   大家好，我是亓官劼（qí guān jié ），在【亓官劼】公众号、CSDN、GitHub、B站、华为开发者论坛等平台分享一些技术博文，主要包括前端开发、python后端开发、小程序开发、数据结构与算法、docker、Linux常用运维、NLP等相关技术博文，时光荏苒，未来可期，加油~   如果喜欢博主的文章可以关注博主的个人公众号【亓官劼】(qí guān jié)，里面的文章更全更新更快。如果有需要找博主的话可以在公众号后台留言，我会尽快回复消
TensorFlow 1.13.安装总结
weixin_54707168的博客
09-10 2036
TensorFlow 安装总结 TensorFlow 简介： TensorFlow 是 Google 公司人工智能团队谷歌大脑（Google Brain）研发和维护的开源深度学习框架，世界上由成千上万个开发者为该项目贡献代码，框架能够随着对深度学习的研究进展及时更新。TensorFlow 核心组件包括：最底层的设备层、内核应用、执行器、分发中心。主要是对张量进行运算，有适用于高阶神经网络的Estimators接口。而且 TensorFlow 可轻松移植到网页端和移动设备上。下面安装的是TensorFlo..
win10 RTX30系列显卡 安装tensorflow-gpu 1.15
FortuneLegend的博客
07-24 3195
win10 30系列显卡 tensorflow-gpu 1.15 安装
tensorflow 配置nvidia 显卡
dingcb168的博客
09-10 1147
import tensorflow as tf import numpy as np import os os.environ['CUDA_VISIBLE_DEVICES']='0' config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction=0.6 with tf.Session(graph=...,config=config) as sess: gpus = tf.config.experiment.
Tensorflow指定显卡GPU运行
songbinxu的博客
05-13 9498
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。   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...
如何使用特定显卡跑tensorflow
夕何的博客
08-16 5433
如何使用特定显卡跑tensorflow直入正题，有两种比较简单的方法方法一：改变系统变量使得仅目标显卡可见export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始然后再运行tensorflow即可方法二：使用tensorflow api添加设备环境with tensorflow.device('/gpu:0'): main tensorflo
TensorFlow Object Detection训练自己的数据集过程、遇到的问题和解决
jiraiya_wl的博客
09-04 1100
TensorFlow Object Detection训练自己的数据集过程、遇到的问题和解决前言一、数据集准备xml转csvcsv转record二、配置config文件num_classes:num_steps：PATH_TO_BE_CONFIGURED：三、训练模型四、固化权重五、测试数据集总结 前言 参考网络上的一些教程，使用TensorFlow Object Detection训练自己的数据集，在此做一下记录。主要参考文章为 https://www.jianshu.com/p/86894ccaa4
无人驾驶汽车系统入门（二十九）——使用TensorFlow Object Detection API分别在GPU和Google Cloud TPU上训练交通信号灯检测神经网络
AdamShan的博客
03-17 7577
本文将解决如何使用TensorFlow Object Detection API训练交通信号灯检测网络，使用Lisa数据集，通过简单脚本将数据集整理为tf record格式，我们将分别在本地的GPU和Google Cloud提供的TPU上进行训练，最后导出网络的protocbuf权重，在jupyter notebook中进行模型验证。 首先感谢谷歌TensorFlow Research Clo...
深度学习-搭建TensorFlow深度学习开发环境
chengdong996的博客
09-16 1740
有问题欢迎在评论区留言~~ 搭建深度学习开发环境一、深度学习应用的典型开发流程二、深度学习训练所需的硬件三、NVIDIA显卡驱动安装（可跳过）四、释放NVIDIA显卡资源（可跳过）五、深度学习开发环境所需的软件5.1 Python和Anaconda5.2 TensorFlow 一、深度学习应用的典型开发流程 二、深度学习训练所需的硬件 对于深度学习训练来说核心的执行硬件是GPU。TensorFlow官网对显卡的要求是：CUDA计算能力为3.5或更高的NVIDIA GPU卡。NVIDIA官网 所展示的部分G
2025秋招NLP算法面试真题(十九)-大模型分布式训练题目
最新发布
weixin_41496173的博客
09-09 1104
1. **计算资源需求**\*\*：\*\* 训练大型语言模型需要大量的计算资源，包括高端 GPU、大量的内存和高速存储器。这可能限制了许多研究人员和组织的训练能力，因为这些资源通常很昂贵。 2. **数据需求**\*\*：\*\* 训练大型语言模型需要大规模的数据集，这些数据集通常需要大量的标注和清洗工作。获取高质量的数据可能是一项困难和昂贵的任务。 3. **长时间训练**\*\*：\*\* 训练大型语言模型需要大量的时间。特别是对于巨型模型，训练可能需要数周甚至数月的时间，这增加了实验的时间和成
tensorflow在训练模型的时候如何指定GPU进行训练
pan15125284的博客
02-20 971
2.通过CUDA_VISIBLE_DEVICES来指定. 同样使用第2块GPU来训练模型，我们可以在我们的python代码中加入： import os os.environ['CUDA_VISIBLE_DEVICES']='2' 实验效果如下： 我们可以看到，在训练模型的时候，使用了第2块GPU，并且其它几块GPU也没有被占，这种就相当于在我们运行程序的时候，将除第2块以外的GPU全部屏...
Tensorflow显卡深度学习环境搭建
g11023225的博客
05-31 619
python,深度学习,机器学习,tensorflow 文章目录安装python解释器安装cuda下载步骤安装步骤安装是否成功确认配置cudnn配置环境变量配置虚拟环境安装tensorflow 安装python解释器 由于这里需要安装tensorflow中的gpu版本，他对python解释器的版本要求比较严格，所以这里我们就选择python 3.7.0版本。 另外由于深度学习计算量比较大，所以python需要安装64位。 官网下载地址：https://www.python.org/downloads/w.
配置Tensorflow使用GPU加速（Tensorflow2.6.0，Python3.6-3.9，CUDA11.2，cuDNN8.1）
m0_68167270的博客
06-04 3806
对于刚使用Tensorflow的朋友来说，配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，我对我安装Tensorflow的过程进行总结，我所安装的Tensorflow版本是2.6.0，与之对应的Python为3.6-3.9，CUDA为11.2，cuDNN为8.1。
tensorflow中 tf.ConfigProto()的用法
wwl的博客
08-29 388
控制代码对显存的使用： config = tf.ConfigProto(allow_soft_placement=True, allow_soft_placement=True) config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%显存 sess = tf.Session(config=config) 或者 gpu_...
tensorflow 1.14指定gpu运行设置
qq_15821487的博客
07-06 1345
注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
tensorflow使用显卡gpu进行训练详细教程
02-09 4832
tensorflow使用显卡gpu进行训练详细教程
Tensorflow不能使用GPU的解决办法
热门推荐
kudou1994的博客
02-01 5万+
服务器在训练模型，另一边我在瞎胡乱搞不晓得咋个搞的，就不能使用GPU了。 python3.6下 from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) 查询了一下确实检测不到GPU了，只有CPU。 随后使用 pip list pip3 list 都查询了一下版本也都正常 tens...
TensorFlow学习笔记[二]——在训练模型时如何指定具体哪一（多）块GPU显卡进行训练任务
volcano_Lin 的博客
07-18 1万+
        在用tensorflow深度学习模型训练时，假设我们在训练之前没有指定具体用哪一块GPU进行训练，则默认的是选用第0块GPU来训练我们的模型。如果你的电脑有多块GPU的话，其它几块GPU的也会显示被占用。         有些时候，我们希望可以通过自己指定一块或者几块GPU来训练我们的模型，而不是用这种系统默认的方法。接下来将介绍三种指定GPU训练的方法。         我们...
python2.7安装tensorflow 1.13
03-16
要在Python 2.7中安装TensorFlow 1.13，您可以按照以下步骤进行操作： 1. 确保您的Python版本为2.7，并且已经安装了pip。 2. 打开终端或命令提示符，并输入以下命令来安装TensorFlow： pip install tensorflow==1.13 3. 等待安装完成。安装完成后，您可以通过导入TensorFlow来验证安装是否成功： import tensorflow as tf print(tf.__version__) 如果输出的版本号为1.13，则说明您已经成功安装了TensorFlow 1.13。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值