Python 我们可以指定最大绝对GPU内存使用量吗

Tensorflow允许指定进程使用的最大分数GPU内存：

import tensorflow as tf
import keras
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.2)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
keras.backend.set_session(sess)

使用上述方法，我的代码最终消耗了大约2203MB/7982MB的GPU RAM。 注：2203MB超过7982的20%

现在我的代码有时会在不同的GPU上执行。而且gpu的使用百分比在它们之间也不能很好地工作（因为不同的gpu有不同数量的RAM）

是否有可能指定要在

绝对

术语而不是

相对

术语中使用的最大GPU内存分数

正在查找类似（

每个进程\u gpu\u内存\u inmb

）：

# Looking for something like `per_process_gpu_memory_inmb` option
gpu_options = tf.GPUOptions(per_process_gpu_memory_inmb=2203)   
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
keras.backend.set_session(sess)

---

当然可以！您可以创建具有硬编码内存大小的虚拟GPU设备：

gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
  # Restrict TensorFlow to only allocate 2203 MB of memory on the first GPU
  try:
    tf.config.experimental.set_virtual_device_configuration(
        gpus[0],
        [tf.config.experimental.VirtualDeviceConfiguration(memory_limit=2203)]) # limit in megabytes
    logical_gpus = tf.config.experimental.list_logical_devices('GPU')
    print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
  except RuntimeError as e:
    # Virtual devices must be set before GPUs have been initialized
    print(e)

---

您看起来像这样限制GPU内存增长的

，请查看“谢谢”。一旦我尝试了您的解决方案，将对其进行投票，并将其标记为已接受。