一、TensorFlow 設備分配
1、設備分配規則
If a TensorFlow operation has both CPU and GPU implementations, the GPU devices will be given priority when the operation is assigned to a device.
2、手動指定設備分配
- 如果你不想讓系統自動為 operation 分配設備, 而是自己手動指定, 可以用
with tf.device創建一個設備環境, 這個環境下的 operation 都統一運行在指定的設備上. - 代碼示例如下：
1 # op 在 cpu 上運算
2 with tf.device('/cpu:0'):
3 a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') 4 b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') 5 6 # op 在 gpu 上運算 7 with tf.device('/device:GPU:2'): 8 a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') 9 b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') 10 11 # op 在 gpus 上運算 12 for d in ['/device:GPU:2', '/device:GPU:3']: 13 with tf.device(d): 14 a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3]) 15 b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2])
二、TensorFlow GPU 配置
1、指定可以被看見的GPU設備
1 import os
2
3 # 默認情況，TF 會占用所有 GPU 的所有內存, 我們可以指定
4 # 只有 GPU0 和 GPU1 這兩塊卡被看到，從而達到限制其使用所有GPU的目的
5 os.environ['CUDA_VISIBLE_DEVICES'] = '0, 1'
6
7 # 打印 TF 可用的 GPU
8 print os.environ['CUDA_VISIBLE_DEVICES'] 9 >>> 0, 1
2、限定使用顯存的比例
1 # 在開啟對話session前，先創建一個 tf.ConfigProto() 實例對象
2 # 通過 allow_soft_placement 參數自動將無法放在 GPU 上的操作放回 CPU
3 gpuConfig = tf.ConfigProto(allow_soft_placement=True)
4
5 # 限制一個進程使用 60% 的顯存
6 gpuConfig.gpu_options.per_process_gpu_memory_fraction = 0.6
7
8 # 把你的配置部署到session
9 with tf.Session(config=gpuConfig) as sess: 10 pass 11 12 這樣，如果你指定的卡的顯存是8000M的話，你這個進程只能用4800M。
3、需要多少拿多少
1 # 在開啟對話session前，先創建一個 tf.ConfigProto() 實例對象
2 # 通過 allow_soft_placement 參數自動將無法放在 GPU 上的操作放回 CPU
3 gpuConfig = tf.ConfigProto(allow_soft_placement=True)
4
5 # 運行時需要多少再給多少
6 gpuConfig.gpu_options.allow_growth = True 7 8 # 把你的配置部署到session 9 with tf.Session(config=gpuConfig) as sess: 10 pass
4、GPU 使用總結
1 import os
2 os.environ['CUDA_VISIBLE_DEVICES'] = '0, 1'
3
4 gpuConfig = tf.ConfigProto(allow_soft_placement=True) 5 gpuConfig.gpu_options.allow_growth = True 6 7 with tf.Session(config=gpuConfig) as sess: 8 pass