Keras / TF 2019 限制 GPU 内存使用？答案

【问题标题】：Limiting GPU memory usage by Keras / TF 2019?Keras / TF 2019 限制 GPU 内存使用？
【发布时间】：2019-09-11 07:41:51
【问题描述】：

我已经阅读了类似的答案：

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))

但这只是行不通。 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？

【问题讨论】：

标签： tensorflow keras deep-learning gpu

【解决方案1】：

看来我也有同样的问题。你试过吗？

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
set_session(sess)

此方法将使应用程序仅根据运行时分配分配尽可能多的 GPU 内存。

【讨论】：

【解决方案2】：

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 sn-p 或仅使用 tf.keras 代替。

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)

【讨论】：