1.动态申请显存
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
2.限制GPU使用率
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%显存
session = tf.Session(config=config)
或者
gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.4)
config=tf.ConfigProto(gpu_options=gpu_options)
session = tf.Session(config=config)
3.设置使用哪块GPU
方法一、在python程序中设置:
#在程序开头
os.environ['CUDA_VISIBLE_DEVICES'] = '0' #使用 GPU 0
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' # 使用 GPU 0,1
方法二、在执行python程序时候:
CUDA_VISIBLE_DEVICE=0,1 python yourcode.py
①
config = tf.ConfigProto(allow_soft_placement=True,
log_device_placement=True)
with tf.Session(config = config,...)
config = tf.ConfigProto(allow_soft_placement=True,
log_device_placement=True)
with tf.Session(config = config,...)
备注:
allow_soft_placement=True:如果是true,则允许tensorflow自动分配设备
log_device_placement=True:如果是true,记录每个节点分配到哪个设备上日志,用于方便调试
②
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.4
session = tf.Session(config=config)
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.4
session = tf.Session(config=config)
备注:
gpu_options.allow_growth:用于动态申请显存,从少到多慢慢增加gpu容量
gpu_options.per_process_gpu_memory_fraction:用于限制gpu使用率,拿出40%给进程使用
————————————————
版权声明:本文为CSDN博主「spring_willow」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/spring_willow/article/details/80143207
class_mode = None,#不返回标签
color_mode = image_color_mode,#灰度,单通道模式
target_size = target_size,#转换后的目标图片大小
shuffle()函数把数组中的元素按随机顺序重新排列。
img_to_array #将图像转化为数组