TensorFlow設置GPU占用量

tensorflow在訓練時默認占用所有GPU的顯存。

可以通過以下方式解決該問題：

1、在構造tf.Session()時候通過傳遞tf.GPUOptions作為可選配置參數的一部分來顯式地指定需要分配的顯存比例，如下所示：

# 假如有12GB的顯存並使用其中的4GB:
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

per_process_gpu_memory_fraction指定了每個GPU進程中使用顯存的上限，但它只能均勻作用於所有GPU，無法對不同GPU設置不同的上限

2、嘗試如下設置：

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

當allow_growth設置為True時，分配器將不會指定所有的GPU內存，而是根據需求增長

3、指定GPU編號：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

或者在腳本或者命令行中指定
export CUDA_VISIBLE_DEVICES=０