tensorflow--GPU

一、查看 tensorflow 是否使用了GPU进行计算

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

运行程序，日志若包含 gpu 信息，则使用了 gpu。

二、使用指定GPU

方式一：代码：

import os
os.environ[‘CUDA_VISIBLE_DEVICES’]=’1’

方式二、命令行：

CUDA_VISIBLE_DEVICES=’1’ python code.py

这个命令是指定程序用哪个 GPU 跑 tensorflow，不加的话默认都是显卡 0，然后可能就爆了。我们有 n 张显卡，可以根据需要指定不同的显卡跑程序的

三、设置GPU使用比例
tf 默认一个程序会占用一整个gpu，在程序里手动设置GPU使用比例这样可以一个GPU可以跑多个程序

config = tf.ConfigProto() 
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的显存 
session = tf.Session(config=config)

三、GPU内存分配

session_conf = tf.ConfigProto()
session_conf.gpu_options.allow_growth = True  # 设置allow_grouth，根据运行时的需要来分配GPU内存
sess = tf.Session(config=session_conf)  

四、查看GPU memory的使用情況
在终端输入命令 nvidia-smi

GPU：GPU 编号；
Name：GPU 型号；
Persistence-M：持续模式的状态。持续模式虽然耗能大，但是在新的GPU应用启动时，花费的时间更少，这里显示的是off的状态；
Fan：风扇转速，从0到100%之间变动；
Temp：温度，单位是摄氏度；
Perf：性能状态，从 P0 到 P12，P0 表示最大性能，P12 表示状态最小性能（即 GPU 未工作时为 P0，达到最大工作限度时为 P12）。
Pwr:Usage/Cap：能耗；
Memory Usage：显存使用率；
Bus-Id：涉及GPU总线的东西，domain🚌device.function；
Disp.A：Display Active，表示GPU的显示是否初始化；
Volatile GPU-Util：浮动的GPU利用率；
Uncorr. ECC：Error Correcting Code，错误检查与纠正；
Compute M：compute mode，计算模式。
Processes 表示每个进程对 GPU 的显存使用率。

输入命令 top 查看动态可用内存？