這篇文章給大家分享的是有關如何解決Tensorflow占用GPU顯存的問題的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
我使用Pytorch進行模型訓練時發現真正模型本身對于顯存的占用并不明顯，但是對應的轉換為tensorflow后（權重也進行了轉換），發現Python-tensorflow在使用時默認吃掉所有顯存，并且不手動終結程序的話顯存并不釋放（我有兩個序貫的模型，前面一個跑完后并不釋放占用顯存）（https://github.com/tensorflow/tensorflow/issues/1727），這一點對于后續的工作有很大的影響。
后面發現python-tensorflow限制顯存有兩種方法：
1. 設置顯卡的使用率
這種方法在學習和工作中比較好用，學習時可提高顯卡使用效率，工作時可方便的獲得GPU顯存消耗極限，用以提供顯卡購買時的參數，現將代碼展示如下：
這里的0.1 表示使用顯存總量的的10%
2. 設置顯卡按需使用（這個本人并沒有專門測試，只是從tensorflow論壇上獲得）
gpu_options = tf.GPUOptions(allow_growth=True) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
感謝各位的閱讀！關于“如何解決Tensorflow占用GPU顯存的問題”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
