【转载】 tf.ConfigProto和tf.GPUOptions用法总结
原文地址:
https://blog.csdn.net/C_chuxin/article/details/84990176
------------------------------------------------------------------------------------------
【题目】tf.ConfigProto和tf.GPUOptions用法总结
概述
tf.ConfigProto一般用在创建session的时候,用来对session进行参数配置,而tf.GPUOptions可以作为设置tf.ConfigProto时的一个参数选项,一般用于限制GPU资源的使用。
一、tf.ConfigProto
tf.ConfigProto一般用在创建session的时候,用来对session进行参数配置。
1.1 tf.ConfigProto()的参数
log_device_placement=True : 是否打印设备分配日志
allow_soft_placement=True : 如果你指定的设备不存在,允许TF自动分配设备
1.2 tf.ConfigProto()使用参数的两种方法
(1)第一种实在构造config对象时直接赋值,如下:
tf.ConfigProto(log_device_placement=True, allow_soft_placement=True)
(2)第二种是先构造config对象,再对构造的config对象进行赋值,如下:
config = tf.ConfigProto() config.log_device_placement= True config.allow_soft_placement=True
PS:tf.ConfigProto()含有的部分参数(属性与方法,可使用dir(tf.ConfigProto())进行查看)如下:
1.3 让参数设置生效的方法
session = tf.Session(config=config)
PS:在Keras中使用:
from keras.backend.tensorflow_backend import set_session set_session(tf.Session(config=config))
二、使用tf.GPUOptions限制GPU资源的使用
参考链接:https://blog.csdn.net/dcrmg/article/details/79091941
tf.GPUOptions可以作为设置tf.ConfigProto时的一个参数选项,一般用于限制GPU资源的使用。同样有两种方法实现。
为了加快运行效率,TensorFlow在初始化时会尝试分配所有可用的GPU显存资源给自己,这在多人使用的服务器上工作就会导致GPU占用,别人无法使用GPU工作的情况。
tf提供了两种控制GPU资源使用的方法,一是让TensorFlow在运行过程中动态申请显存,需要多少就申请多少;第二种方式就是限制GPU的使用率。
2.1 动态申请显存
方法一:
config = tf.ConfigProto() config.gpu_options.allow_growth = True session = tf.Session(config=config)
方法二:
gpu_options=tf.GPUOptions(allow_growth = True) config=tf.ConfigProto(gpu_options=gpu_options) session = tf.Session(config=config)
2.2 限制GPU的使用率
方法一:
config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.85 #占用85%显存 session = tf.Session(config=config)
方法二:
gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.85) config=tf.ConfigProto(gpu_options=gpu_options) session = tf.Session(config=config)
【注意】当限制GPU使用率时,GPU所占的显存是一直占着的,哪怕你Ctrl+Z 终止了程序,这时你需要手动kill进程。(参考链接:https://blog.csdn.net/c20081052/article/details/82345454)具体如下:
如果你在linux终端运行深度学习python脚本文件,运行中发现占用多个GPU和内存资源,可用下面的方法解决:
(1)请先查看占用资源的进程归属方是谁,以及使用的是什么指令:
ps -f PID号
(2)然后确认该进程可以kill掉情况下直接杀掉:
kill -9 PID号 #注意必须加-9,否则可能杀不掉进程
————————————————
版权声明:本文为CSDN博主「C小C」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/C_chuxin/article/details/84990176
posted on 2019-12-13 14:19 Angry_Panda 阅读(2080) 评论(0) 编辑 收藏 举报