如何设置tensorflow的显存使用上限？

本文共计277个文字，预计阅读时间需要2分钟。

Python在利用GPU进行模型训练时，最好开启多进程，因为这类任务主要是计算密集型的。多进程池能良好地管理进程，但TensorFlow的默认配置下会大量占用显存。不过，考虑到我们可以在任务分配上做到精简，所以其实并不需要那么多进程。

Python在用GPU跑模型的时候最好开多进程，因为很明显这种任务就是计算密集型的。

用进程池好管理，但是tensorflow默认情况会最大占用显存，尽管该任务并不需要这么多，因此我们可以设置显存的按需获取，这样程序就不会死掉了。

1. 按比例预留：

tf_config = tensorflow.ConfigProto() tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50% session = tensorflow.Session(config=tf_config)

2. 或者干脆自适应然后自动增长：

tf_config = tensorflow.ConfigProto() tf_config.gpu_options.allow_growth = True # 自适应 session = tensorflow.Session(config=tf_config)

以上这篇tensorflow 限制显存大小的实现就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。