GPU占显卡很大内存时，设置限制GPU的用量

最新推荐文章于 2025-10-18 23:24:51 发布

原创最新推荐文章于 2025-10-18 23:24:51 发布 · 1w 阅读

13 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

23 篇文章

订阅专栏

本文介绍如何在TensorFlow和Keras中设置GPU使用率，包括限定显卡内存使用百分比及按需分配显存的方法，同时演示了如何指定使用特定GPU并限制其资源消耗。

部署运行你感兴趣的模型镜像

当显卡内存饱满时指定显卡

1、设置使用GPU的百分比

import tensorflow as tf
import keras.backend.tensorflow_backend as KTF

#进行配置，使用30%的GPU
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.3
session = tf.Session(config=config)

# 设置session
KTF.set_session(session )

2、GPU按需使用

import tensorflow as tf
import keras.backend.tensorflow_backend as KTF

config = tf.ConfigProto()  
config.gpu_options.allow_growth=True   #不全部占满显存, 按需分配
session = tf.Session(config=config)

# 设置session
KTF.set_session(sess)

三、指定GPU并且限制GPU用量

import os
import tensorflow as tf
import keras.backend.tensorflow_backend as KTF

# 指定第一块GPU可用 
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

config = tf.ConfigProto()  
config.gpu_options.allow_growth=True   #不全部占满显存, 按需分配
sess = tf.Session(config=config)

KTF.set_session(sess)

您可能感兴趣的与本文相关的镜像