TensorFlow的GPU管理

一、使用GPU训练的时候会遇到的问题

默认下，Tensorflow会占用机器上所有可见的GPU显存。这也就是说tensorflow一次只能训练一个进程，当使用服务器或者其他共用的设备时，会耗费大量资源。

二、解决方法

1）指定GPU进行训练

$  os.environ['CUDA_VISIBLE_DEVICES'] = '0'   # FLAGS.gpu_id, 指定gpu0卡

2）按照程序实际需要分配显存

$  config = tf.ConfigProto()
$  config.gpu_options.allow_growth = True
$  sess = tf.Session(config=config)

3）限制使用显存的比例

$  config = tf.ConfigProto()
$  config.gpu_options.per_process_gpu_memory_fraction = 0.7  #分配70%的显存
$  sess = tf.Session(config=config)