Keras防止程序占满GPU显存

最新推荐文章于 2022-03-22 00:46:20 发布

心之所向丶7

最新推荐文章于 2022-03-22 00:46:20 发布

阅读量1.3k

点赞数

分类专栏：深度学习

本文链接：https://blog.csdn.net/javaisnotgood/article/details/102502315

版权

深度学习专栏收录该内容

8 篇文章

订阅专栏

在模型建立前加上即可

    config = tf.ConfigProto()
    config.gpu_options.allow_growth=True                                #按需分配显存
    keras.backend.set_session(tf.Session(config=config))

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

心之所向丶7

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

防止keras占满GPU显存-keras-yolo

xxxy502的博客

01-14

1514

import os import numpy as np import keras.backend as K from keras.layers import Input, Lambda from keras.models import Model from keras.optimizers import Adam from keras.callbacks import TensorBoard,...

keras指定gpu_Keras指定显卡并限制显存使用（tensorflow后端）

weixin_39752880的博客

12-20

409

这两天测了下自己基于Keras的某应用的rest-api，单进程的应用占满了整块GPU的显存，但是实际利用率很低，并发请求的时候完全是串行处理的。采用多线程的方式并没有加快速度，所以考虑使用多进程。但是！问题来了！Keras使用显卡时是默认调用所有的GPU，并且占满所有显存的！如果再跑一个进程就直接罢工，告诉你out of memory，真是太讨厌了！所以就很有必要搞清楚Keras如何指定GPU和...

2 条评论您还未登录，请先登录后发表或查看评论

keras禁止使用GPU加速

zh_JNU的博客

07-09

4772

import osos.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # see issue #152os.environ["CUDA_VISIBLE_DEVICES"] = ""

keras防止显存占满

xxxy502的博客

01-16

1585

https://blog.csdn.net/sinat_26917383/article/details/75633754

禁止keras预分配GPU内存

BrownWong的专栏

01-16

1427

keras使用theano或者tensorflow作为后端时，都会预分配GPU内存，即先占满当前GPU的所有内存，而你使用nvidia-smi显示的就是预分配的GPU内存，往往是满的。如果你不想要程序预分配内存，即需要多少内存就动态分配多少内存时，你就需要如下设置：import tensorflow as tf import keras.backend.tensorflow_backend as K

Keras跑完程序释放显存的办法

m0_52571323的博客

03-12

4844

代码环境 : tf1.14.0+ keras2.2.5 用Keras跑了MNIST代码之后，又跑其他程序总是容易显存不够用。从网上找到下面的方法，亲测可用。方法 1 先安装numba库：pip install numba 2 使用如下代码即可 from numba import cuda cuda.select_device(0) cuda.close() 3注意下面的方法不好使。亲测不好使 from keras import backend as K K.clear_session() 原因

解决keras限制GPU节点使用和占用内存量不起作用的问题

xiaojianzhao的博客

02-16

727

问题：在keras里插入一下代码，限制一下GPU节点使用和占用内存量，发现根本不起作用 import tensorflow as tf os.environ["CUDA_VISIBLE_DEVICES"] = "2" from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.g...

tensorflow_keras+GPU显存按需分配.doc

09-16

在使用TensorFlow和Keras进行深度学习模型训练时，GPU显存管理是至关重要的。由于GPU内存有限，而复杂的神经网络模型可能需要大量的资源，因此有效地分配和利用GPU显存可以显著提高训练效率。以下是对如何在...

keras在TensorFlow-GPU和CPU中来回切换，以及GPU显存不足的缓解方式（切换原因：GPU显存实在不足）

weixin_58420301的博客

03-22

4181

TensorFlow中GPU显存不足的问题与CPU切换为CPU的问题

Keras - GPU ID 和显存占用设定步骤

09-16

接下来，我们来看如何让Keras按需分配GPU显存。默认情况下，Keras会预分配全部显存，这在处理大型模型时可能导致资源浪费。为了避免这种情况，可以使用TensorFlow的`ConfigProto`类，设置`allow_growth`参数为True，...

keras终止训练后显存不释放_Keras实现Large-scale Bisample Learning on ID vs. Spot Face Recognition...

weixin_39861669的博客

11-29

205

keras-lbl-IvS论文地址：Large-scale Bisample Learning on ID vs. Spot Face Recognition工程地址：keras-lbl-IvS keras实现人证比对论文《Large-scale Bisample Learning on ID vs. Spot Face Recognition》的核心思想; 当类别数非常大时(超过百...

batchsize和数据量设置比例_Keras - GPU ID 和显存占用设定步骤

weixin_39668890的博客

12-20

740

初步尝试 Keras (基于 Tensorflow 后端)深度框架时, 发现其对于 GPU 的使用比较神奇, 默认竟然是全部占满显存, 1080Ti 跑个小分类问题, 就一下子满了. 而且是服务器上的两张 1080Ti.服务器上的多张 GPU 都占满, 有点浪费性能.因此, 需要类似于 Caffe 等框架的可以设定 GPU ID 和显存自动按需分配.实际中发现, Keras 还可以限制 GPU 显...

keras系列︱keras是如何指定显卡且限制显存用量（GPU/CPU使用）

10-09

789

keras在使用GPU的时候有个特点，就是默认全部占满显存。若单核GPU也无所谓，若是服务器GPU较多，性能较好，全部占满就太浪费了。于是乎有以下五种情况： 1、指定GPU 2、使用固定显存的GPU 3、指定GPU + 固定显存 4 GPU动态增长 5 CPU充分占用一、固定显存的GPU 本节来源于：深度学习theano/tensorflow多显卡多人使用问题集（参见：Limit the resource usage for tensorflow backend · Issue #1538

服务器keras没法显示所有gpu,Keras - GPU ID 和显存占用设定步骤

weixin_36123682的博客

08-05

438

Tensorflow-释放GPU内存

风吴痕的博客

09-19

7938

参考：http://blog.csdn.net/lgh0824/article/details/77096241 1、输入nvidia-smi 2、执行sudo kill -9 20521 再输入nvidia-smi进行查看

GPU 命令行释放内存

tsq292978891的博客

05-06

1万+

参考：https://blog.csdn.net/liangdong2014/article/details/78860661 当用shh连接服务器的时候，用GPU训练模型，在终端端口用ctrl+z终止训练，此时GPU资源可能未立即释放，这时候需要人工来杀死占用GPU显存的进程。 fuser 显示使用指定文件或者文件系统的进程的PID。在centos系统下，输入以下指令安装 yum in...

定时查看GPU程序占用的显存

yeluohanchan的博客

06-17

3577

定时查看GPU程序占用的显存 https://blog.csdn.net/jasonzzj/article/details/52649174

Zero volatile GPU-Util but high GPU Memory Usage，tensorflow训练时候显存占满，但是执行效率很低，GPU使用率很低。