Python 2.7 Tensorflow分配所有GPU，尽管另有说明

我想运行一个用Python编写并使用Tensorflow的脚本。由于服务器与其他同事共享，我想限制我的脚本使用最多1/3的服务器GPU内存

为了实现这一点，我做了以下工作：

使用tf.Graph（）作为默认值（）：
gpu\u选项=tf.gpu选项（允许增长=True，每进程\u gpu\u内存\u分数=0.3）
会话_conf=tf.confproto(
允许软放置=真，
log_device-placement=False，
gpu_选项=gpu_选项）
将tf.Session（conf=Session\u conf）作为sess：
#一些东西

但是，当我通过

nvidiasmi

命令检查GPU内存使用情况时，它表示所有内存都已分配。服务器上有2个GPU，我的脚本似乎完全分配了这两个GPU。我做错了什么

---

我上面写的不是脚本的第一行代码。我首先做一些数据处理。但是如果我把它放在一开始，它也不会改变。

一个部分答案是在调用名为

$CUDA\u VISIBLE\u DEVICES=0的脚本之前设置一个环境变量。使用此选项，可以将使用限制为指定的GPU-ID（本例中为GPU 0）

欲了解更多信息，请参阅