tensorflow 会话究竟做了什么？答案

【问题标题】：What does a tensorflow session exactly do?tensorflow 会话究竟做了什么？
【发布时间】：2023-03-24 03:18:01
【问题描述】：

我安装了 tensorflow 的 gpu 版本，一旦我创建会话，它就会显示这个日志：

I tensorflow/core/common_runtime/gpu/gpu_device.cc:885] 找到设备 0 具有属性：名称：GeForce GTX TITAN Black 主要：3 次要：5 memoryClockRate (GHz) 0.98 pciBusID 0000:01:00.0 总内存：5.94GiB 可用内存：5.31GiB I 张量流/核心/common_runtime/gpu/gpu_device.cc:906] DMA：0 我张量流/核心/common_runtime/gpu/gpu_device.cc:916] 0：是我 tensorflow/core/common_runtime/gpu/gpu_device.cc:975] 创建 TensorFlow 设备 (/gpu:0) -> (设备: 0, 名称: GeForce GTX TITAN 黑色，pci总线id：0000:01:00.0)

当我检查我的 GPU 内存使用情况时，大约 90% 的内存被消耗了。

Tensorflow 文档对此没有任何说明。它可以控制gpu吗？为什么会占用大部分内存？

【问题讨论】：

我不知道 tf.Session() 到底是做什么的，但是关于 GPU 的内存分配，看看答案和链接在stackoverflow.com/questions/44278021/…
@PietroTortella 谢谢。我有一个问题要问你，我是通过尝试在单个脚本中执行 tensorflow、PyTorch、caffe 来完成这篇文章的。当我尝试在同一个脚本中将 Session 作为全局变量时，它给了我一个错误current context was not created by the StreamExecutor 但是当我在函数中创建这个 Session 时我没有看到它。你知道出了什么问题吗？这就是为什么我想知道 Session 到底在做什么。

标签： python machine-learning tensorflow gpu

【解决方案1】：

TensorFlow 会话在启动时分配~所有 GPU 内存，因此它们可以绕过 cuda 分配器。

不要在同一个进程中运行多个使用 cuda 的库，否则会发生奇怪的事情（比如这个流执行器错误）。

【讨论】：

感谢您的回答。那么这是否像一个 tensorflow 特定问题？因为我一直在同一个脚本中运行其他机器学习库，我没有发现任何问题。
您可能看不到错误，但 cuda 上下文可能会发生一些奇怪的事情。