在 keras 和 tensorflow 中为不同用户共享 GPU 内存答案

【问题标题】：Share GPU memory for different users in keras and tensorflow在 keras 和 tensorflow 中为不同用户共享 GPU 内存
【发布时间】：2018-06-17 03:42:43
【问题描述】：

我们只安装了一个带有 CUDA 驱动程序的 GPU，每当一个用户运行代码时，整个内存都会分配给该用户。其他用户无法使用 GPU。有没有办法摆脱这种行为？

【问题讨论】：

标签： tensorflow keras gpu theano-cuda

【解决方案1】：

如果您使用的是keras，请将其添加到脚本的开头：

from keras import backend as K

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

这将阻止tensorflow 占用所有内存，如here 所示。

如果您使用 tensorflow 而不使用 keras，请添加：

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config, ...)

如图here。

【讨论】：

感谢您的回复。但是如何限制GPU只运行tensorflow（只用tensorflow编写的代码），没有任何keras环境。
@Rajesh 我根据您的需要修改了我的答案
@vinzee 如果我不使用 tf.Session 怎么办？因为tf2.1 让我们可以直接用tf.Keras.Models.Compile 制作trians