笔者发现RTX3070 8G的显卡,在tensorflow只能调用5488MB,大概5G左右
因为存在memory_limit的限制。
如图所示:

为了解除这种限制,发挥显卡在深度学习中的最大作用,特意在网上寻找方法,终于找到解决方案
如下代码所示:
physical_gpus = tf.config.list_physical_devices("GPU")
tf.config.experimental.set_virtual_device_configuration(
physical_gpus[0],
[tf.config.experimental.VirtualDeviceConfiguration(memory_limit=6000)]
# 将显存限制提高到6000MB
)
logical_gpus = tf.config.list_logical_devices("GPU")
效果:

可以看到,再次运行tensorflow时,gpu训练可以用到6000MB,这个数值可以根据自己的需要进行调整。
本文介绍了如何解决TensorFlow在使用RTX30708G显卡时只能调用约5GB显存的问题。通过设置`tf.config.experimental.set_virtual_device_configuration`,可以手动调整GPU的memory_limit,例如将其提高到6000MB,从而充分利用显卡资源,提升深度学习训练的效率。
4811





