如何设置Keras中Tensorflow后端GPU使用的内存大小？

本文共计295个文字，预计阅读时间需要2分钟。

通过设置Keras的Tensorflow后端的全局变量，可以控制GPU的使用比例。以下是一个简化的示例代码：

pythonimport osimport tensorflow as tffrom keras.backend.tensorflow_backend import set_session

def get_session(gpu_fraction=0.3): '''假设你有6GB的GPU内存，并希望分配大约2GB。''' gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=gpu_fraction) session=tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) set_session(session)

通过设置Keras的Tensorflow后端的全局变量达到。

import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF def get_session(gpu_fraction=0.3): '''Assume that you have 6GB of GPU memory and want to allocate ~2GB''' num_threads = os.environ.get('OMP_NUM_THREADS') gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_fraction) if num_threads: return tf.Session(config=tf.ConfigProto( gpu_options=gpu_options, intra_op_parallelism_threads=num_threads)) else: return tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

使用过程中显示的设置session:

import keras.backend.tensorflow_backend as KTF
KTF.set_session(get_session())

补充知识：限制tensorflow的运行内存 （keras.backend.tensorflow）

我就废话不多说了，大家还是直接看代码吧！

import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.5 #half of the memory set_session(tf.Session(config=config))

以上这篇Keras设定GPU使用内存大小方式(Tensorflow backend)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。