tensorflow中使用tf.ConfigProto()配置Session运行参数&&GPU设备指定

转载：https://blog.csdn.net/dcrmg/article/details/79091941

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/dcrmg/article/details/79091941

tf.ConfigProto()函数用在创建session的时候，用来对session进行参数配置：

 

 

 
 

   
   

    
    

   
   
   
   

    
    

     
     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)
    
    
   
   
 
 

 

 

1. 记录设备指派情况 :  tf.ConfigProto(log_device_placement=True)

设置tf.ConfigProto()中参数log_device_placement = True ,可以获取到 operations 和 Tensor 被指派到哪个设备(几号CPU或几号GPU)上运行,会在终端打印出各项操作是在哪个设备上运行的。


2. 自动选择运行设备 ： tf.ConfigProto(allow_soft_placement=True)

在tf中，通过命令 "with tf.device('/cpu:0'):",允许手动设置操作运行的设备。如果手动设置的设备不存在或者不可用，就会导致tf程序等待或异常，为了防止这种情况，可以设置tf.ConfigProto()中参数allow_soft_placement=True，允许tf自动选择一个存在并且可用的设备来运行操作。


3. 限制GPU资源使用：

 

为了加快运行效率，TensorFlow在初始化时会尝试分配所有可用的GPU显存资源给自己，这在多人使用的服务器上工作就会导致GPU占用，别人无法使用GPU工作的情况。

tf提供了两种控制GPU资源使用的方法，一是让TensorFlow在运行过程中动态申请显存，需要多少就申请多少;第二种方式就是限制GPU的使用率。

一、动态申请显存

 

 

 
 

   
   

    
    

   
   
   
   

    
    

     
     config = tf.ConfigProto()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     config.gpu_options.allow_growth = 
     
     True
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     session = tf.Session(config=config)
    
    
   
   
 
 

 

二、限制GPU使用率

 

 

 

 

 
 

   
   

    
    

   
   
   
   

    
    

     
     config = tf.ConfigProto()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     config.gpu_options.per_process_gpu_memory_fraction = 
     
     0.4  
     
     #占用40%显存
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     session = tf.Session(config=config)
    
    
   
   
 
 

或者：

 

 

 
 

   
   

    
    

   
   
   
   

    
    

     
     gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=
     
     0.4)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     config=tf.ConfigProto(gpu_options=gpu_options)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     session = tf.Session(config=config)
    
    
   
   
 
 

 

设置使用哪块GPU

方法一、在python程序中设置：

 

 
 

   
   

    
    

   
   
   
   

    
    

     
     os.environ[
     
     'CUDA_VISIBLE_DEVICES'] = 
     
     '0' 
     
     #使用 GPU 0
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     os.environ[
     
     'CUDA_VISIBLE_DEVICES'] = 
     
     '0,1' 
     
     # 使用 GPU 0，1
    
    
   
   
 
 

 

方法二、在执行python程序时候：

CUDA_VISIBLE_DEVICES=0,1 python yourcode.py

推荐使用更灵活一点的第二种方法。