欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

TensorFlow和keras中GPU使用的设置操作

程序员文章站 2022-06-27 10:30:27
1. 训练运行时候指定gpu运行时候加一行代码:cuda_visible_devices=1 python train.py2. 运行过程中按需或者定量分配gputensorflow直接在开启sess...

1. 训练运行时候指定gpu

运行时候加一行代码:

cuda_visible_devices=1 python train.py

2. 运行过程中按需或者定量分配gpu

tensorflow直接在开启session时候加几行代码就行,而keras指定gpu,并限制按需用量和tensorflow不太一样,因为keras训练是封装好的,不好对session操作。如下是两种对应的操作。

keras中的操作:

import os
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
 
# 指定第一块gpu可用 
os.environ["cuda_visible_devices"] = "0" #指定gpu的第二种方法
 
config = tf.configproto()
config.gpu_options.allocator_type = 'bfc' #a "best-fit with coalescing" algorithm, simplified from a version of dlmalloc.
config.gpu_options.per_process_gpu_memory_fraction = 0.3 #定量
config.gpu_options.allow_growth = true  #按需
set_session(tf.session(config=config)) 

tensorflow中的操作:

#指定gpu
import os
os.environ["cuda_visible_devices"] = "0"
 
#设置gpu定量分配
config = tf.configproto() 
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用gpu90%的显存 
session = tf.session(config=config)
 
#设置gpu按需分配
config = tf.configproto() 
config.gpu_options.allow_growth = true 
session = tf.session(config=config)

补充:keras以及tensorflow强制使用cpu,gpu

keras如果是使用theano后端的话,应该是自动不使用gpu只是用cpu的,启动gpu使用theano内部命令即可。

对于tensorflow后端的keras以及tensorflow会自动使用可见的gpu,而我需要其必须只运行在cpu上。网上查到三种方法,最后一种方法对我有用,但也对三种都做如下记录:

使用tensorflow的 with tf.device('/cpu:0'):函数。简单操作就是把所有命令都放在前面所述的域里面。

使用tensorflow声明session时的参数: 关于tensorflow中session中的部分参数设置,以及keras如何设置其调用的tensorflow的session,可以参见keras设定gpu使用内存大小(tensorflow backend)

对于tensorflow,声明session的时候加入device_count={'gpu':0}即可,代码如下:

import tensorflow as tf  
sess = tf.session(config=tf.configproto(device_count={'gpu':0}))

对于keras,则调用后端函数,设置其使用如上定义的session即可,代码如下:

import tensorflow as tf
import keras.backend.tensorflow_backend as ktf 
ktf.set_session(tf.session(config=tf.configproto(device_count={'gpu':0})))

对于多线程以及gpu内存设置等可以参见keras设定gpu使用内存大小(tensorflow backend)

3、第三种是使用cuda_visible_devices命令行参数,代码如下:

cuda_visible_devices="0" python3 train.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。