1.在用keras框架跑NER的train時，而且只是在用了keras_contrib.layers的CRF時出現問題：
遇到無錯跳出finished with exit code -1073740791 (0xC0000409)，
（有其他博主說的減小batchsize的 我試過把batchsize減小為2，但是沒有用）
2.查出是顯卡內存不足的問題，解決如下（對個人有效）：
import os os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
（本人pc上並未安裝cuda等GPU所需要的包，猜想這句話應該是默認用cpu）
----------------------------------------------------------------------------------------------------------------
3.<原理參考>：
keras在使用GPU的時候有個特點，就是默認全部占滿顯存。這樣如果有多個模型都需要使用GPU跑的話，那么限制是很大的，而且對於GPU也是一種浪費。因此在使用keras時需要有意識的設置運行時使用那塊顯卡，需要使用多少容量。
這方面的設置一般有三種情況：
1.指定顯卡 2.限制GPU用量 3.即指定顯卡又限制GPU用量
一、指定顯卡
import os os.environ["CUDA_VISIBLE_DEVICES"] = "2"
這里指定了使用編號為2的GPU，大家可以根據需要和實際情況來指定使用的GPU
二、限制GPU用量
1、設置使用GPU的百分比
import tensorflow as tf import keras.backend.tensorflow_backend as KTF #進行配置，使用30%的GPU
config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 session = tf.Session(config=config) # 設置session KTF.set_session(session )
需要注意的是，雖然代碼或配置層面設置了對顯存占用百分比閾值，但在實際運行中如果達到了這個閾值，程序有需要的話還是會突破這個閾值。換而言之如果跑在一個大數據集上還是會用到更多的顯存。以上的顯存限制僅僅為了在跑小數據集時避免對顯存的浪費而已。
2、GPU按需使用
import tensorflow as tf import keras.backend.tensorflow_backend as KTF config = tf.ConfigProto() config.gpu_options.allow_growth=True #不全部占滿顯存, 按需分配
session = tf.Session(config=config) # 設置session KTF.set_session(sess)
三、指定GPU並且限制GPU用量
這個比較簡單，就是講上面兩種情況連上即可。。
import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF # 指定第一塊GPU可用 os.environ["CUDA_VISIBLE_DEVICES"] = "0"
config = tf.ConfigProto() config.gpu_options.allow_growth=True #不全部占滿顯存, 按需分配
sess = tf.Session(config=config) KTF.set_session(sess)
參考鏈接：