Tensorflow和Keras如何自适应调整显存使用策略？

本文共计588个文字，预计阅读时间需要3分钟。

Tensorflow支持利用CUDA和cuDNN加速GPU运算，Keras出现较晚，是Tensorflow的高层框架。Keras使用便捷，扩展性好，之后更是作为Tensorflow的官方指定第三方开源框架。

Tensorflow支持基于cuda内核与cudnn的GPU加速，Keras出现较晚，为Tensorflow的高层框架，由于Keras使用的方便性与很好的延展性，之后更是作为Tensorflow的官方指定第三方支持开源框架。

但两者在使用GPU时都有一个特点，就是默认为全占满模式。在训练的情况下，特别是分步训练时会导致显存溢出，导致程序崩溃。

可以使用自适应配置来调整显存的使用情况。