tensorflow 使用 cpu 而不使用 gpu 問題

查看 tensorflow 版本
　　conda list
例如發現 tensorflow 1.10.0
　　tensorflow-gpu 1.10.0
當兩個版本相同時，默認會使用 cpu 版本
如果同時存在 cpu 和 gpu 版本的 tensorflow，系統默認使用版本高的 tensorflow
如果想要使用 gpu 版本的 tensorflow，只需要將 gpu 版本升級比 cpu 高，即可解決

 

在運行之前先查看GPU的使用情況：
　　指令：nvidia-smi 備注：查看GPU此時的使用情況
　　或者
　　指令：watch nvidia-smi 備注：實時返回GPU使用情況

 

兩種限定GPU占用量的方法：
　　方法一、設置定量的GPU顯存使用量:
　　　　config = tf.ConfigProto()
　　　　config.gpu_options.per_process_gpu_memory_fraction = 0.4 # 占用GPU40%的顯存
　　　　session = tf.Session(config=config)
　　方法二、設置最小的GPU顯存使用量，動態申請顯存:（建議）
　　　　config = tf.ConfigProto()
　　　　config.gpu_options.allow_growth = True
　　　　session = tf.Session(config=config)

 

指定GPU訓練：
　　方法一、在python程序中設置：
　　　　代碼：os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘0’ 備注：使用 GPU 0
　　　　代碼：os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘0,1’ 備注：使用 GPU 0，1
　　方法二、在執行python程序時候：
　　　　指令：CUDA_VISIBLE_DEVICES=2 python yourcode.py
　　　　指令：CUDA_VISIBLE_DEVICES=0,1 python yourcode.py
　　　　備注：‘=’的左右不允許有空格