Keras指定GPU训练模式，设置GPU的使用量 |
您所在的位置：网站首页 › keyshot10gpu在哪里 › Keras指定GPU训练模式，设置GPU的使用量 |
Keras指定GPU训练模式，设置GPU的使用量
|
最近又要用到深度学习模型训练这块的内容了，之前有些操作都忘记了，这里就想着把这些内容记录一下备忘。 我们使用的是阿里云GPU服务器，由于有多个进程同时在训练计算，这里需要限定单个进程里面的GPU使用量， 因为我只有一块显卡，所以这里指定GPU的编号都是 0 ，设定GPU使用量经常用到的方式主要有一下三种： 1、直接指定GPU的使用比例 import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF os.environ["CUDA_VISIBLE_DEVICES"] = "0" #设定使用 40% 的GPU资源 config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.4 session = tf.Session(config=config) # 设置session KTF.set_session(session)2、设定GPU按照实时计算所需动态增长变化 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(session)3、前面两种方式的综合，限定用量但是可以动态增长变化 import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF 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 session = tf.Session(config=config) KTF.set_session(session)然后，需要查看GPU使用情况的话Nvidia提供了 nvidia-smi 命令，可以很方便地进行查看，如下所示：
如果想要动态刷新的话，我经常使用的是下面的命令： watch -n 1 -d nvidia-smi效果如下所示：
后续有用的技巧都会持续更新备忘！
|
【本文地址】
今日新闻 |
推荐新闻 |