TensorFlow，Keras限制GPU顯存

　　運行TensorFlow程序會占用過多的顯卡比例，多人共同使用GPU的時候，會造成后面的人無法運行程序。

  一、TensorFlow

　　1.預加載比例限制

tf_config = tensorflow.ConfigProto()  
tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50%  
session = tensorflow.Session(config=tf_config)

　　2.自適應

tf_config = tensorflow.ConfigProto()  
tf_config.gpu_options.allow_growth = True  
session = tensorflow.Session(config=tf_config) 

二、Keras

　　1.當使用Keras的情況下，當import keras時，框架會自動開啟一個默認參數的Session。可以通過下面的代碼主動創建一個使用了ConfigProto的Session，再注入到Keras的后端中去：

from keras.backend.tensorflow_backend import set_session  
config = tf.ConfigProto()  
config.gpu_options.allow_growth = True  
set_session(tf.Session(config=config))  

   注意：第一行必須直接import這個函數，而非keras這個包，而且這句話必須在其他import keras之前，否則keras初始化之后，再替換一個session，原session也不會釋放。

　　三、在Python程序中指定cpu

　　

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