在運行上面的blog的Tensorflow小程序的時候程序我們會遇到一個問題，當然這個問題不影響我們實際的結果計算，但是會給同樣使用這台計算機的人帶來麻煩，程序會自動調用所有能調用到的資源，並且全占滿，在自己的PC上沒問題，但是在服務器上，問題就很大，因為一旦你運行程序，占滿顯存別人就不能再用了，解決方法是我們通常是給程序運行指定一塊GPU，然后限制其使用比例：
1 import tensorflow as tf 2 import os 3 os.environ["CUDA_VISIBLE_DEVICES"] = '0' #指定第一塊GPU可用 4 config = tf.ConfigProto() 5 config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 程序最多只能占用指定gpu50%的顯存 6 sess = tf.Session(config = config)
但是我們通常在程序開始之前並不知道需要多大的顯存，程序回去申請GPU的顯存的50%，比如一個8G的內存，被占用了2G，那么程序會申請4G的顯存（因為有足夠的剩余顯存），如果此時顯存被占用7G，那么程序會申請剩下的所有的1G的顯存。也許你的程序根本用不着這么多顯存，200M也許就夠了，這時候如果程序能按照需求去申請就好了，幸運的是，這樣的方法是存在的：
只需要加上一條語句就好，完整語句為：
1 import tensorflow as tf 2 import os 3 os.environ["CUDA_VISIBLE_DEVICES"] = '0' #指定第一塊GPU可用 4 config = tf.ConfigProto() 5 config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 程序最多只能占用指定gpu50%的顯存 6 config.gpu_options.allow_growth = True #程序按需申請內存 7 sess = tf.Session(config = config)