场景：某台机器上有三块卡，想同时开三个程序，放到三块卡上去训练。
策略：CUDA_VISIBLE_DEVICES=1 python train.py就可以指定程序在某块卡上训练。
补充知识：keras指定GPU及显存使用量
指定GPU
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
指定GPU和显存使用量
|
1
2
3
4
5
6
7
|
import osfrom keras.backend.tensorflow_backend import set_sessionos.environ["CUDA_VISIBLE_DEVICES"] = "0"config = tf.ConfigProto()config.gpu_options.per_process_gpu_memory_fraction = 0.3set_session(tf.Session(config=config)) |
指定GPU显存使用按需分配
|
1
2
3
4
5
6
7
8
|
import keras.backend.tensorflow_backend as KTFimport osos.environ["CUDA_VISIBLE_DEVICES"] = "0"config = tf.ConfigProto()config.gpu_options.allow_growth=Truesess = tf.Session(config=config)KTF.set_session(sess) |
以上这篇keras 指定程序在某块卡上训练实例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服务器之家。
原文链接：https://blog.csdn.net/lujiandong1/article/details/60587035?
