Python 阻止TensorFlow访问GPU？

有没有一种方法可以完全在CPU上运行TensorFlow。我机器上的所有内存都被运行TensorFlow的单独进程占用。我已尝试将每进程内存分数设置为0，但未成功。

看看这个或这个

总结一下，您可以添加以下代码：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
import tensorflow as tf

每当您安装了GPU tensorflow并且不想使用任何GPU时，使用

CUDA\u VISIBLE\u设备

环境变量是一个很好的选择

您可以选择

导出CUDA\u VISIBLE\u DEVICES=

或使用带有TensorFlow的非GPU安装的virtualenv

---

通过打开GPU限制为0的会话，您只能使用CPU：

sess = tf.Session(config=tf.ConfigProto(device_count={'GPU': 0}))

有关更多详细信息，请参阅

证明它对@Nicolas有效的证据：

用Python编写：

import tensorflow as tf
sess_cpu = tf.Session(config=tf.ConfigProto(device_count={'GPU': 0}))

import tensorflow as tf
sess_gpu = tf.Session()

然后在终端中：

nvidia-smi

nvidia-smi

您将看到如下内容：

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0     24869    C   /.../python                 99MiB                     |
+-----------------------------------------------------------------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0     25900    C   /.../python                                   5775MiB |
+-----------------------------------------------------------------------------+

然后重复该过程： 用Python编写：

import tensorflow as tf
sess_cpu = tf.Session(config=tf.ConfigProto(device_count={'GPU': 0}))

import tensorflow as tf
sess_gpu = tf.Session()

然后在终端中：

nvidia-smi

nvidia-smi

您将看到如下内容：

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0     24869    C   /.../python                 99MiB                     |
+-----------------------------------------------------------------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0     25900    C   /.../python                                   5775MiB |
+-----------------------------------------------------------------------------+

---

据我所知，目前还不清楚它是否有效。我的理解是，目标是避免内存分配。如果是这样的话，它会起作用的。如上所述，据我所知，它确实使用GPU，即使它不使用任何内存。我可能错了，但我相信问题在于如何纯粹在CPU上运行TensorFlow。@jasekp？你能澄清一下目标吗？如果目标类似于使用cpu与gpu上运行的另一个进程并行进行测试以进行培训，那么这应该可以实现。使用此方法后，我如何重新启用gpu？您是否找到Python脚本中打开/关闭TensorFlow gpu的解决方案？@GILO您可以在下一次运行脚本时更改gpu编号，例如=“0”或“0,1”