Memory 使用以下tensorflow代码占用所有GPU内存？

我在用word2vec做实验，代码来自

然而，它很容易耗尽我所有的GPU内存，你知道为什么吗

with tf.name_scope('data'):
    center_words = tf.placeholder(tf.int32, shape=[BATCH_SIZE], name='center_words')
    target_words = tf.placeholder(tf.int32, shape=[BATCH_SIZE, 1], name='target_words')

with tf.name_scope("embedding_matrix"):
    embed_matrix = tf.Variable(tf.random_uniform([VOCAB_SIZE, EMBED_SIZE], -1.0, 1.0), name="embed_matrix")

with tf.name_scope("loss"):
    embed = tf.nn.embedding_lookup(embed_matrix, center_words, name="embed")

    nce_weight = tf.Variable(tf.truncated_normal([VOCAB_SIZE, EMBED_SIZE], stddev=1.0/(EMBED_SIZE ** 0.5)), name="nce_weight")
    nce_bias = tf.Variable(tf.zeros([VOCAB_SIZE]), name="nce_bias")


    loss = tf.reduce_mean(tf.nn.nce_loss(weights=nce_weight, biases=nce_bias, labels=target_words, inputs=embed, num_sampled=NUM_SAMPLED, num_classes=VOCAB_SIZE), name="loss")


optimizer = tf.train.GradientDescentOptimizer(LEARNING_RATE).minimize(loss)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    total_loss = 0.0 # we use this to calculate the average loss in the last SKIP_STEP steps
    writer = tf.summary.FileWriter('./graphs/no_frills/', sess.graph)
    for index in range(NUM_TRAIN_STEPS):
        centers, targets = next(batch_gen)
        loss_batch, _ = sess.run([loss, optimizer], feed_dict={center_words:centers, target_words:targets})

        total_loss += loss_batch
        if (index + 1) % SKIP_STEP == 0:
            print('Average loss at step {}: {:5.1f}'.format(index, total_loss / SKIP_STEP))
            total_loss = 0.0
    writer.close()

---

这是默认的tensorflow行为。如果要将GPU内存分配限制为仅需要的内存，请在会话配置中指定此选项

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

或者，您可以指定要使用的GPU内存的最大部分：

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5
session = tf.Session(config=config)

---

它没有很好的文档记录，但是如果您想做更多的事情，可以从这里开始。

这是默认的tensorflow行为。如果要将GPU内存分配限制为仅需要的内存，请在会话配置中指定此选项

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

或者，您可以指定要使用的GPU内存的最大部分：

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5
session = tf.Session(config=config)

---

它没有很好的文档记录，但是如果你想做更多的事情，那么这是开始的地方。

我认为这是TF的标准行为。看见例如，如果你在谷歌上搜索“tensorflow分配所有gpu内存”，你会找到关于它的其他描述。@RobertCrovella惊讶不已！我认为这是TF的标准行为。看见例如，如果你在谷歌上搜索“tensorflow分配所有gpu内存”，你会找到关于它的其他描述。@RobertCrovella惊讶不已！