指定服务器特定GPU进行训练的方法

参考网址：https://blog.csdn.net/pursuit_zhangyu/article/details/81077931

1.在终端执行程序时指定GPU   

CUDA_VISIBLE_DEVICES=0    python  your_file.py  # 指定GPU集群中第一块GPU使用,其他的屏蔽掉

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 多GPU一起使用

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

2.在Python代码中指定GPU

import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"  　#指定第一块gpu 

3.设置定量的GPU使用量

config = tf.ConfigProto() 

config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的显存 

session = tf.Session(config=config)

4.设置最小的GPU使用量

config = tf.ConfigProto() 

config.gpu_options.allow_growth = True 

session = tf.Session(config=config)