如何设置多卡服务器下隐藏部分GPU和TensorFlow的显存使用-创新互联

创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！

婺城ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为成都创新互联的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：13518219792（备注：SSL证书合作）期待与您的合作！

小编给大家分享一下如何设置多卡服务器下隐藏部分GPU和TensorFlow的显存使用，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨方法吧！

服务器有多张显卡，一般是组里共用，分配好显卡和任务就体现公德了。除了在代码中指定使用的 GPU 编号，还可以直接设置可见 GPU 编号，使程序/用户只对部分 GPU 可见。

操作很简单，使用环境变量 CUDA_VISIBLE_DEVICES 即可。

具体来说，如果使用单卡运行 Python 脚本，则可输入

CUDA_VISIBLE_DEVICES=1 python my_script.py

脚本将只使用 GPU1。

在 .py 脚本和 Notebook 中设置，则

import os

os.environ["CUDA_VISIBLE_DEVICES"] = "2"

还可以直接设置临时的环境变量：

export CUDA_VISIBLE_DEVICES="0"

此时该用户的 CUDA 只看得见 GPU0。

至于显存设置，可以设置使用比例(70%)：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)

sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

也可以按需增长：

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config, ...)

当前标题：如何设置多卡服务器下隐藏部分GPU和TensorFlow的显存使用-创新互联
文章链接：http://bzwzjz.com/article/dophjp.html