Tensorflow 通过Keras/TF 2019限制GPU内存使用?
我读过如下答案:Tensorflow 通过Keras/TF 2019限制GPU内存使用?,tensorflow,keras,deep-learning,gpu,Tensorflow,Keras,Deep Learning,Gpu,我读过如下答案: import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.2 set_session(tf.Session(config=config)) 但它就是不起作用。keras和TF中似乎都有太多的更新,以至于2017年写
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.2
set_session(tf.Session(config=config))
但它就是不起作用。keras和TF中似乎都有太多的更新,以至于2017年写的任何东西都不起作用!
那么,如何限制内存使用?似乎我也有同样的问题。你试过这个吗
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
set_session(sess)
此方法将使应用程序根据运行时分配只分配同样多的GPU内存 限制在tensorflow中保留所有GPU RAM的一种方法是增加保留量。此方法将允许您使用相同的GPU训练多个NN,但您不能设置要保留的内存量的阈值 在导入keras之前使用以下代码段,或者只使用
tf.keras
import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
try:
for gpu in gpus:
tf.config.experimental.set_memory_growth(gpu, True)
except RuntimeError as e:
print(e)