tensorflow - Keras / TF 2019 限制 GPU 内存使用?
问题描述
我已阅读以下答案:
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))
但它只是行不通。keras 和 TF 似乎都有很多更新,以至于 2017 年编写的几乎所有内容都不起作用!那么,如何限制内存使用呢?
解决方案
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,但您无法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,或者直接使用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)
推荐阅读
- angular - RXJS Groupby on Observable / Array
- c# - 添加 iis 绑定时未选择 SSL 证书
- node.js - 在 Node.js 中使用 fluent-ffmpeg 将 HEVC/H.265 视频转换为更广泛支持的格式
- javascript - 如何在 ReScript 中使用 JavaScript Material Design 库?
- sql - Oracle - Match_recognize // 形状检测
- mysql - Mysql 脚本未在服务器中运行
- typescript - html 模板中的 typescript-eslint/parser 解析错误
- gem5 - gem5的一些问题?
- selenium - 在 Jenkins 或命令行中执行时,Log4j2 日志既不会打印在控制台上,也不会打印在 RollingFile 中
- javascript - 如何检测重叠的形状并使用传单和 createJS 将它们拆分