Tensorflow训练模型默认占满所有GPU---解决方案

在使用gpu服务器训练tensorflow模型时，总是占满显存！

TensorFlow默认的是占用所有GPU

因此我们需要手动设置使用的GPU编号以及单个GPU显存占用比例

1.第一步需要在代码中开头加入

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # 按照PCI_BUS_ID顺序从0开始排列GPU设备
os.environ["CUDA_VISIBLE_DEVICES"]=‘0’  # 使用0号gpu（想使用其他编号GPU，对应修改引号中的内容即可）

os.environ["CUDA_VISIBLE_DEVICES"]=‘0,1’ # 使用0号GPU和1号GPU

2.第二步需要将代码中的sess = tf.Session()改为

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333) # 通过改变0.333可以改变占用显存比例
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

per_process_gpu_memory_fraction=0.333代表的含义就是每个GPU进程中使用显存的上限为该GPU总量的1/3

3.如果想要在程序运行过程中连续查看GPU信息

可以在终端使用该 指令（前提是设备中有合适的NVIDIA驱动）

（注：以上内容如有错误，请在评论区中指出，共同进步哈）