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。
我们现有的GPU个数如下所示(公司的4路泰坦xp):
1.在python代码中通过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“1”块(注意,这里是以第“0”块为开始,第“1”块其实应该是第二块了)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:
这里用AI_Challenger场景分类的baseline模型测试一下:
在python脚本代码里的最开头加上:
tf.device('/gpu:1')