本篇内容主要讲解“运行tensorflow python程序限制对GPU和CPU的占用操作方法是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“运行tensorflow python程序限制对GPU和CPU的占用操作方法是什么”吧!
创新互联专业提供成都主机托管四川主机托管成都服务器托管四川服务器托管，支持按月付款！我们的承诺：贵族品质、平民价格，机房位于中国电信/网通/移动机房，资阳移动机房服务有保障！
一般情况下，运行tensorflow时，默认会占用可以看见的所有GPU，那么就会导致其它用户或程序无GPU可用，那么就需要限制程序对GPU的占用。并且，一般我们的程序也用不了所有的GPU资源，只是强行霸占着，大部分资源都不会用到，也不会提升运行速度。
使用nvidia-smi可以查看本机的GPU使用情况，如下图，这里可以看出，本机的GPU型号是K80，共有两个K80，四块可用（一个K80包括两块K40）。
1、如果是只需要用某一块或某几块GPU，可以在运行程序时，利用如下命令运行：CUDA_VISIBLE_DEVICES=0,1 python test.py
这里表示只有GPU 0和1对程序可见，因此也就限制了程序只能用GPU 0和1
同样，也可以在代码里指定
import osos.environ["CUDA_VISIBLE_DEVICES"] = "0,1"
如果想只用CPU，不用CPU来运行程序，可以用如下命令(所有GPU都不可见)：
CUDA_VISIBLE_DEVICES='' python test.py
或者是
CUDA_VISIBLE_DEVICES="-1" python test.py
2、让tensorflow只按需索取显存，如下代码所示
#only minimum use gpugpu_config = tf.ConfigProto()gpu_config.gpu_options.allow_growth = Truewith tf.Session(config = gpu_config) as sess:
前面是对GPU的限制，那如果不用GPU，只用CPU呢？如何限制对CPU的使用呢？
前面也有提到，如果使用命令CUDA_VISIBLE_DEVICES=“”python test.py可以只使用CPU，那如果想只使用部分CPU呢?可以通过如下代码限制
cpu_config = tf.ConfigProto(intra_op_parallelism_threads = 8, inter_op_parallelism_threads = 8, device_count = {'CPU': 8})with tf.Session(config = cpu_config) as sess:
到此，相信大家对“运行tensorflow python程序限制对GPU和CPU的占用操作方法是什么”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
