https://blog.csdn.net/qq_26591517/article/details/82469680
查看機器上GPU情況
命令： nvidia-smi
功能：顯示機器上gpu的情況
命令： nvidia-smi -l
功能：定時更新顯示機器上gpu的情況
命令：watch -n 3 nvidia-smi
功能：設定刷新時間（秒）顯示GPU使用情況
其中左上側有0、1、2、3的編號，表示GPU的編號，在后面指定GPU時需要使用這個編號。
在終端執行程序時指定GPU
CUDA_VISIBLE_DEVICES=1 python your_file.py
這樣在跑你的網絡之前，告訴程序只能看到1號GPU，其他的GPU它不可見
可用的形式如下：
CUDA_VISIBLE_DEVICES=1 Only device 1 will be seen
CUDA_VISIBLE_DEVICES=0,1 Devices 0 and 1 will be visible
CUDA_VISIBLE_DEVICES="0,1" Same as above, quotation marks are optional
CUDA_VISIBLE_DEVICES=0,2,3 Devices 0, 2, 3 will be visible; device 1 is masked
CUDA_VISIBLE_DEVICES="" No GPU will be visible
在Python代碼中指定GPU
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
設置定量的GPU使用量
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的顯存
session = tf.Session(config=config)
設置最小的GPU使用量
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)