tensorflow中使用指定的GPU及GPU顯存 CUDA_VISIBLE_DEVICES

參考: https://blog.csdn.net/jyli2_11/article/details/73331126

https://blog.csdn.net/cfarmerreally/article/details/80321276

http://www.cnblogs.com/darkknightzh/p/6591923.html

場景：

有一台服務器，服務器上有多塊兒GPU可以供使用，但此時只希望使用第2塊和第4塊GPU，但是我們希望代碼能看到的仍然是有兩塊GPU，分別編號為0,1，這個時候我們可以使用環境變量CUDA_VISIBLE_DEVICES來解決這個問題。 
比如：

CUDA_VISIBLE_DEVICES=1  只有編號為1的GPU對程序是可見的，在代碼中gpu[0]指的就是這塊兒GPU
CUDA_VISIBLE_DEVICES=0,2,3  只有編號為0,2,3的GPU對程序是可見的，在代碼中gpu[0]指的是第0塊兒，gpu[1]指的是第2塊兒，gpu[2]指的是第3塊兒
CUDA_VISIBLE_DEVICES=2,0,3  只有編號為0,2,3的GPU對程序是可見的，但是在代碼中gpu[0]指的是第2塊兒，gpu[1]指的是第0塊兒，gpu[2]指的是第3塊兒

 

設置示例: 在python程序中,

import os
os.environ["CUDA_VISIBLE_DEVICES"] = '1'
os.environ["CUDA_VISIBLE_DEVICES"] = '0,2,3'