为什么带有 TensorFlow 的 Keras 没有使用所有 GPU 内存答案

【问题标题】：Why Keras with TensorFlow is not using all GPU memory为什么带有 TensorFlow 的 Keras 没有使用所有 GPU 内存
【发布时间】：2018-02-11 21:47:40
【问题描述】：

我在 Windows 10 中使用 Keras 2.0.8 和 TensorFlow 1.3.0。你知道为什么不使用所有的内存吗？或者至少接近它。

开始运行进程时的输出：

找到具有属性的设备 0：

名称：GeForce GTX 1060

主要：6 次要：1 memoryClockRate (GHz) 1.6705 pciBusID 0000:01:00.0

总内存：6.00GiB

可用内存：4.96GiB

在此示例中（当它因 OOM 崩溃时）显示限制为 5 GB 而不是 6 GB。为什么？

限制：5016036966

使用中：5008119296

最大使用量：5015917568

NumAllocs：329

MaxAllocSize：3879002624

感谢您的帮助！

警察：这是NVIDIA-SMI 结果，而没有运行任何东西，而它

【问题讨论】：

【解决方案1】：

因为它不需要使用所有内存。您的数据保存在您的 RAM 内存中，并且每个批次都复制到您的 GPU 内存中。因此，增加批量大小将增加 GPU 的内存使用量。此外，您的模型大小会影响 Tensorflow 的 GPU 内存使用情况。

如果您想同时运行多个 tensorflow 会话，则不分配所有 GPU 内存实际上非常方便。但是，您也可以决定在 tensorflow 会话中设置 GPU 内存的比例。有关固定 GPU 内存比例或动态内存使用情况的信息，请查看this 问题。

如果您想知道为什么您的 GPU 没有 100% 使用它的计算能力，请查看this 问题。

【讨论】：

Tensorflow 会分配所有 GPU 内存，即使不需要它以加快计算速度。 groups.google.com/forum/#!topic/keras-users/MFUEY9P1sc8。即使我运行一个小型网络，我总是分配相同的 4.96GB，为什么不更多？
显然 tensorflow 不会在您的情况下分配所有内存。我不知道您为什么要分配所有内存，因为您不会获得任何速度。但是，如果您愿意，只需将 tf.GPUOptions 中的 per_process_gpu_memory_fraction 设置为 1（在您开始会话之前）
这似乎是我的问题social.technet.microsoft.com/Forums/windows/en-US/… 将per_process_gpu_memory_fraction 设置为 1 次崩溃，限制为 0.89 并在 6144MiB 中分配 5244MiB

【解决方案2】：

请检查您是否安装了keras GPU版本。否则，它将自动检测 cpu 并在其上进行处理。您可以为此使用 Anaconda 平台。 conda install -c anaconda keras-gpu 通过此命令安装 keras GPU。

【讨论】：