如何解决Tensorflow占用GPU显存的问题

这篇文章给大家分享的是有关如何解决Tensorflow占用GPU显存的问题的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

我使用Pytorch进行模型训练时发现真正模型本身对于显存的占用并不明显，但是对应的转换为tensorflow后（权重也进行了转换），发现Python-tensorflow在使用时默认吃掉所有显存，并且不手动终结程序的话显存并不释放（我有两个序贯的模型，前面一个跑完后并不释放占用显存）（https://github.com/tensorflow/tensorflow/issues/1727），这一点对于后续的工作有很大的影响。

后面发现python-tensorflow限制显存有两种方法：

1. 设置显卡的使用率

这种方法在学习和工作中比较好用，学习时可提高显卡使用效率，工作时可方便的获得GPU显存消耗极限，用以提供显卡购买时的参数，现将代码展示如下：

这里的0.1 表示使用显存总量的的10%

2. 设置显卡按需使用（这个本人并没有专门测试，只是从tensorflow论坛上获得）

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

感谢各位的阅读！关于“如何解决Tensorflow占用GPU显存的问题”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！