TensorFlow学习笔记[二]——在训练模型时如何指定具体哪一（多）块GPU显卡进行训练任务

        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')