这篇文章将为大家详细讲解有关Tensorflow如何设置显存自适应,显存比例的操作，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
创新互联建站专注为客户提供全方位的互联网综合服务，包含不限于
成都做网站、成都网站设计、红寺堡网络推广、微信平台小程序开发、红寺堡网络营销、红寺堡企业策划、红寺堡品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们大的嘉奖；
创新互联建站为所有大学生创业者提供
红寺堡建站搭建服务，24小时服务热线：13518219792，官方网址：www.cdcxhl.com
Tensorfow框架下，在模型运行时，设置对显存的占用。
1. 按比例
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.4 # 根据自己的需求确定
session = tf.Session(config=config, ...)
2. 自适应
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config, ...)
设置GPU的使用率的时候，都是在创建Session的时候，对config类进行设置。
此外，当电脑上有多块GPU的时候，可以指定选取哪一快GPU进行计算。
# 在程序开头添加
os.environ['CUDA_VISIBLE_DEVICES'] = '0' #使用 GPU 0 0对应着ubuntu系统给GPU的序号,可通过Nvidia-smi命令查看
若存在多个GPU
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' # 使用 GPU 0，1
一个常见的在代码中指定GPU使用的范例：
import tensorflow as tf
import numpy as np
import os
os.environ['CUDA_VISIBLE_DEVICES']='0'
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction=0.6
with tf.Session(graph=...,config=config) as sess:
## 后续的操作
关于“Tensorflow如何设置显存自适应,显存比例的操作”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
分享名称：Tensorflow如何设置显存自适应,显存比例的操作-创新互联
文章起源：
http://cdkjz.cn/article/deidgh.html
