溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
小編給大家分享一下如何設置多卡服務器下隱藏部分GPU和TensorFlow的顯存使用，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討方法吧！
服務器有多張顯卡，一般是組里共用，分配好顯卡和任務就體現公德了。除了在代碼中指定使用的 GPU 編號，還可以直接設置可見 GPU 編號，使程序/用戶只對部分 GPU 可見。
操作很簡單，使用環境變量 CUDA_VISIBLE_DEVICES 即可。
具體來說，如果使用單卡運行 Python 腳本，則可輸入
CUDA_VISIBLE_DEVICES=1 python my_script.py
腳本將只使用 GPU1。
在 .py 腳本和 Notebook 中設置，則
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"
還可以直接設置臨時的環境變量：
export CUDA_VISIBLE_DEVICES="0"
此時該用戶的 CUDA 只看得見 GPU0。
至于顯存設置，可以設置使用比例(70%)：
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
也可以按需增長：
config = tf.ConfigProto() config.gpu_options.allow_growth = True session = tf.Session(config=config, ...)
如果是 Keras 使用 TensorFlow 后端，則可通過如
import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.allow_growth = True set_session(tf.Session(config=config))
更改使用設置。
看完了這篇文章，相信你對如何設置多卡服務器下隱藏部分GPU和TensorFlow的顯存使用有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
