Tensorflow在训练模型的时候如何指定GPU进行训练

Tensorflow指定GPU进行训练模型

实验室共用一个深度学习服务器，两块GPU,在用tensorflow训练深度学习模型的时候，假设我们在训练之前没有指定GPU来进行训练，则默认的是选用第0块GPU来训练我们的模型，而且其它几块GPU的也会显示被占用。有些时候，我们更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，而不是用这种默认的方法。接下来将简单介绍两种简单的方法。

• 我们现有的GPU个数如下所示：
  

1.第一种是通过tf.device()函数来指定训练时所要使用的GPU.

假设我们要用我们的第2块GPU来训练模型，此时可以通过下面的代码来指定：

tf.device('/gpu:1')

实验效果如下：

我们可以看到，虽然指定了第2块GPU来训练，但是第一个GPU也还是被占用，只是模型训练的时候，是在第2块GPU上进行。

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[&#