tensorflow 对GPU的配置

纳米时速

已于 2023-03-03 14:09:00 修改

阅读量514

点赞数

CC 4.0 BY-SA版权

分类专栏： python 机器学习文章标签： tensorflow 深度学习 python

于 2021-04-21 15:00:06 首次发布

本文链接：https://blog.csdn.net/qq_28215385/article/details/115954474

python 同时被 2 个专栏收录

6 篇文章

订阅专栏

机器学习

3 篇文章

订阅专栏

本文介绍了如何在TensorFlow 1.x和2.x中配置GPU，包括设置允许软放置、限制GPU内存使用、启用GPU资源按需增长以及设置随机数种子。在TF1中，通过`tf.ConfigProto`和`tf.Session`进行配置；而在TF2中，利用`tf.config.experimental`进行GPU内存增长设置，并用`tf.random.set_seed`设定随机数种子。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf1配置

import keras.backend.tensorflow_backend as KTF
 from tensorflow import set_random_seed

 config = tf.ConfigProto(allow_soft_placement=True)
 # 设置最大占有GPU不超过显存的80%
 config.gpu_options.per_process_gpu_memory_fraction = 0.8
 # GPU资源使用率,先少量分配，按需逐步增加
 config.gpu_options.allow_growth = True

 sess = tf.Session(config=config)
 KTF.set_session(sess)  # 设置sessio
 set_random_seed(2)            # 随机数种子

tf2配置

gpus = tf.config.experimental.list_physical_devices('GPU')
 if gpus:
    try:  # 设置 GPU 为增长式占用
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
    except RuntimeError as e:
        # 打印异常
        print(e)
 tf.random.set_seed(2)        # 随机数种子