tensorflow gpu利用率为0_TensorFlow 2.0 常用模块7：tf.config

文 /  李锡涵，Google Developers Expert

本文节选自《简单粗暴 TensorFlow 2.0》

在上一篇文章中，我们介绍了 tf.TensorArray 的建立方式。

本来接下来将介绍 TensorFlow 中的常用模块 tf.config，如何合理分配显卡资源，设置显存使用策略。

指定当前程序使用的 GPU

很多时候的场景是：实验室 / 公司研究组里有许多学生 / 研究员需要共同使用一台多 GPU 的工作站，而默认情况下 TensorFlow 会使用其所能够使用的所有 GPU，这时就需要合理分配显卡资源。

首先，通过  tf.config.experimental.list_physical_devices ，我们可以获得当前主机上某种特定运算设备类型(如  GPU 或  CPU )的列表，例如，在一台具有 4 块 GPU 和一个 CPU 的工作站上运行以下代码：

gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

输出：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU'),
 PhysicalDevice(name='/physical_device:GPU:1', device_type='GPU'),
 PhysicalDevice(name='/physical_device:GPU:2', dev