Python Keras-是否可以使用一个GPU同时训练两个不相关的模型？

使用PyCharm，可以让多个Python实例运行同一个文件，因此我很好奇是否有办法在两个不同的实例中同时训练同一个模型（或不同的模型）两次

我认为，在文件中点击Shift+F10开始训练，进行超参数调整，然后再次点击Shift+F10开始另一个完全独立的训练实例，并比较两者如何同时训练会很有用。但是，如果一个人已经进行了培训，则第二个人在调用

fit

方法时会出现此错误：

2019-11-03 01:11:19.049817: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_100.dll
2019-11-03 01:11:19.243782: E tensorflow/stream_executor/cuda/cuda_blas.cc:238] failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED

我猜CUDA有一个问题，它被同时调用两次或类似的东西。那么，在同一个GPU上同时训练两个模型有什么解决办法吗？或者这在CPU上更可行吗？

可能是这样

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.3  # set 0.3 to what you want
set_session(tf.Session(config=config))

注意，如果你训练像CNNs这样的模型，它很可能会使用100%的GPU，这可能不比在训练另一个模型之前等待第一个模型完成的速度快。

---

此外，可能的批量大小也会减少，这可能会对准确性产生一些影响

哇，谢谢！将其设置为0.2，它们将同时进行训练！每一个历元只需要多一秒钟，这一点都不坏