-
import tensorflow as tf -
import numpy as np -
import keras -
config = tf.compat.v1.ConfigProto(allow_soft_placement=True) -
config.gpu_options.per_process_gpu_memory_fraction = 0.3 -
tf.compat.v1.keras.backend.set_session(tf.compat.v1.Session(config=config))
显存不足
最新推荐文章于 2025-02-21 07:45:00 发布
本文介绍如何使用TensorFlow和Keras进行GPU资源管理,通过设置每个进程使用的GPU内存比例来避免内存溢出。文中展示了如何配置TensorFlow以允许软放置任务,并限制了进程对GPU内存的占用,确保系统稳定运行。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.15
TensorFlow
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型
1578

被折叠的 条评论
为什么被折叠?



