Tensorflow 在 jupyter 中设置 CUDA_VISIBLE_DEVICES答案

【问题标题】：Tensorflow set CUDA_VISIBLE_DEVICES within jupyterTensorflow 在 jupyter 中设置 CUDA_VISIBLE_DEVICES
【发布时间】：2016-10-20 00:15:58
【问题描述】：

我有两个 GPU，想通过 ipynb 同时运行两个不同的网络，但是第一个笔记本总是分配两个 GPU。

使用 CUDA_VISIBLE_DEVICES，我可以隐藏 python 文件的设备，但是我不确定如何在笔记本中执行此操作。

有没有办法将不同的 GPU 隐藏到运行在同一台服务器上的笔记本中？

【问题讨论】：

【解决方案1】：

您可以使用os.environ 在笔记本中设置环境变量。在初始化 TensorFlow 之前执行以下操作以将 TensorFlow 限制为第一个 GPU。

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"]="0"

您可以仔细检查您是否拥有对 TF 可见的正确设备

from tensorflow.python.client import device_lib
print device_lib.list_local_devices()

我倾向于从 notebook_util 等实用程序模块中使用它

import notebook_util
notebook_util.pick_gpu_lowest_memory()
import tensorflow as tf

【讨论】：

对我来说它不起作用 os.environ["CUDA_VISIBLE_DEVICES"]="0" ...我将其更改为 os.environ["CUDA_VISIBLE_DEVICES"]="" 然后它起作用了。我正在使用张量流 1.12
我尝试过如前所述显示 tensorflow 本地设备。我的系统只输出设备类型：CPU。这是否意味着 tensorflow 没有运行 GPU。
在 tensorflow 导入后这对我不起作用。
这必须在你的 notebook 的开头完成。

【解决方案2】：

只需使用magics，您就可以在不导入任何内容的情况下更快地做到这一点：

%env CUDA_DEVICE_ORDER=PCI_BUS_ID
%env CUDA_VISIBLE_DEVICES=0

注意所有的环境变量都是字符串，所以不需要使用"。您可以通过运行：%env <name_of_var> 来验证是否设置了 env-variable。或者使用%env查看所有这些。

【讨论】：

【解决方案3】：

您还可以启用多个 GPU 内核，如下所示：

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]="0,2,3,4"

【讨论】：