tensorflow中指定GPU设置

最近开始用 pair-wise ranknet 实现排序，开始写一写 tensorflow 代码

查看机器上 GPU 情况

命令： nvidia-smi

功能：显示机器上 gpu 的情况

命令： nvidia-smi -l

功能：定时更新显示机器上 gpu 的情况

其中左上侧有 0、1、2、3 的编号，表示 GPU 的编号，在后面指定 GPU 时需要使用这个编号。

在终端执行程序时指定 GPU

CUDA_VISIBLE_DEVICES=1   python  your_file.py

这样在跑你的网络之前，告诉程序只能看到 1 号 GPU，其他的 GPU 它不可见

可用的形式如下：

CUDA_VISIBLE_DEVICES=1           Only device 1 will be seen
CUDA_VISIBLE_DEVICES=0,1         Devices 0 and 1 will be visible
CUDA_VISIBLE_DEVICES="0,1"       Same as above, quotation marks are optional
CUDA_VISIBLE_DEVICES=0,2,3       Devices 0, 2, 3 will be visible; device 1 is masked

CUDA_VISIBLE_DEVICES=""          No GPU will be visible

在 Python 代码中指定 GPU

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

设置定量的 GPU 使用量

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用 GPU90%的显存
session = tf.Session(config=config)

设置最小的 GPU 使用量

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