如何指定GPU训练模型

Linux 查看当前服务器 GPU 的占用情况可以使用 nvidia-smi 命令,如下所示:

nvidia-smi

TensorFlow如何指定GPU训练模型

关于 nvidia-smi 命令输出的详细解释,可参考笔者的另外一篇文章:GPU状态监测 nvidia-smi 命令详解

在此不再赘述,本文主要分享一下在用 TensorFlow 训练模型时如何指定 GPU。

在用 TensorFlow 训练深度学习模型的时候,若无手动指定,默认是选用第0块来训练,而且其他几块 GPU 也会被显示占用。

有时候,我们更希望可以自己指定一块或者多块 GPU 来训练模型,接下来介绍一种常用的也是比较有效的方法:

举个例子

如果要指定只用第0块 GPU 训练,可以在 python 代码中如下指定:

import os
os.environ['CUDA_VISIBLE_DEVICES']='0'

运行 python 程序后,可发现就只有第0块 GPU 显示被占用,如上图所示。

如果要指定多块 GPU

可以如下:

os.environ['CUDA_VISIBLE_DEVICES']='1,2'

当然,上述这种方法不太方便,每次运行若换用 GPU 训练都需要改代码,可以在运行 python 程序的时候进行指定:

CUDA_VISIBLE_DEVICES=0 python textCnn.py   

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。

原文地址:https://huangfei.blog.csdn.net/article/details/80292250

相关文章: