Tensorflow/keras 小白易踩的坑

坑

1. tf/kears 在运行时，会默认占用当前服务器上的所有GPU！！！

2. tf/kears 在运行时，会默认占用所使用GPU的全部显存！！！

解决办法

1. 指定所用的服务器。

首先使用nvidia-smi查看当前服务器中的GPU使用情况，然后找一块可用显存多的GPU使用。是根据该命令显示的第一列的GPU的编号指定GPU的.

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"

2. 限制tf/keras使用的显存

有两种限制使用显存的方式。

• 第一种是定量设置显存，给它一个0-1的比例，强制规定它使用多少。

from keras import backend as K
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session

config = tf.ConfigProto()  
config.gpu_options.allow_growth=True   #不全部占满显存, 按需分配
session = tf.Session(config=config)

• 第二种是按需分配，让tf更具体的按需要来分配。

from keras import backend as K
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)

说明

一般都是同时使用两种解决方案。其中一个要注意的点是，解决1的代码要写在解决2的代码前面。如下：

from keras import backend as K
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session

os.environ["CUDA_VISIBLE_DEVICES"] = "2"
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)