本篇文章给大家分享的是有关Tensorflow中怎么利用CUDA_VISIBLE_DEVICES控制GPU，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
创新互联是一家专业提供疏勒企业网站建设,专注与成都做网站、成都网站制作、H5技术、小程序制作等业务。10年已为疏勒众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。
os.environ[“CUDA_DEVICE_ORDER”] = “PCI_BUS_ID” # 按照PCI_BUS_ID顺序从0开始排列GPU设备
os.environ[“CUDA_VISIBLE_DEVICES”] = “0” #设置当前使用的GPU设备仅为0号设备 设备名称为’/gpu:0’
os.environ[“CUDA_VISIBLE_DEVICES”] = “1” #设置当前使用的GPU设备仅为1号设备 设备名称为’/gpu:1’
os.environ[“CUDA_VISIBLE_DEVICES”] = “0,1” #设置当前使用的GPU设备为0,1号两个设备,名称依次为’/gpu:0’、’/gpu:1’
os.environ[“CUDA_VISIBLE_DEVICES”] = “1,0” #设置当前使用的GPU设备为1,0号两个设备,名称依次为’/gpu:1’、’/gpu:0’。表示优先使用1号设备,然后使用0号设备
如果服务器有多个GPU，tensorflow默认会全部使用。如果只想使用部分GPU，可以通过参数CUDA_VISIBLE_DEVICES来设置GPU的可见性。
示例：
Environment Variable Syntax Results 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">
在终端调用Python脚本前，可以设置CUDA_VISIBLE_DEVICES变量，如下：
$ CUDA_VISIBLE_DEVICES=1 python my_script.py
这样my_script.py脚本就只能使用GPU 1。
如果想在Python的脚本内设置使用的GPU，可以使用os.environ，如下：
import os os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" # see issue #152 os.environ["CUDA_VISIBLE_DEVICES"]="1"
检查TensorFlow对GPU的可见性：
from tensorflow.python.client import device_lib print(device_lib.list_local_devices())
以上就是Tensorflow中怎么利用CUDA_VISIBLE_DEVICES控制GPU，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。
