mxnet 显存配置，cpu过高配置
mxnet自动调用尽量多的cpu多核，多人训练，别人就不方便用了。
这个起作用，控制cpu核数占用。
os.environ['OMP_NUM_THREADS'] = "4"
要加在整个项目的mxnet import之前。
mxnet 环境变量配置（显存）
MXNET_CPU_WORKER_NTHREADS的设置大于4对特征提取不起作用
os.environ['MXNET_CPU_WORKER_NTHREADS'] = "4"
os.environ['MXNET_UPDATE_ON_KVSTORE'] = "0"
os.environ['MXNET_EXEC_ENABLE_ADDTO'] = "1"
os.environ['MXNET_USE_TENSORRT'] = "0"
os.environ['MXNET_GPU_WORKER_NTHREADS'] = "2"
os.environ['MXNET_GPU_COPY_NTHREADS'] = "1"
os.environ['MXNET_OPTIMIZER_AGGREGATION_SIZE'] = "54"
一般情况下，不需要修改有关环境变量的配置。但是一些特殊情况，需要修改的，就涉及到以下这些内容了：
在linux上最简单的修改方式就是export MXNET_GPU_WORKER_NTHREADS=3
一 设置进程数量
MXNET_GPU_WORKER_NTHREADS
这个参数用来在一块卡上并行计算，在每一块GPU上最大的进程数，默认值为2
MXNET_GPU_COPY_NTHREADS
在每个GPU上执行内存复制作业的并发线程的最大数量，默认值1
MXNET_CPU_WORKER_NTHREADS
MXNET_CPU_PRIORITY_NTHREADS
MXNET_CPU_NNPACK_NTHREADS
二 显存选项
MXNET_EXEC_ENABLE_INPLACE
默认值：true
NNVM_EXEC_MATCH_RANGE
默认值：16
MXNET_EXEC_NUM_TEMP
默认值：1
将此设置为一个小数目可以节省GPU内存。它也可能会降低并行度，这通常是可以接受的。
MXNET_GPU_MEM_POOL_RESERVE
默认值：5
If you see a strange out-of-memory error from the kernel launch, after multiple iterations, try setting this to a larger value.
三 Memonger
MXNET_BACKWARD_DO_MIRROR
默认值：0，可选0或1
MXNet 使用镜像概念来节省内存。用于训练阶段来节省设备内存，当设置为1 的时候，在前向传播的时候会复制某些层的fp，反向传播的时候会重新计算这些数据。
MXNET_BACKWARD_DO_MIRROR=1 将会节省30%~50%的显存, 保存95%的运行速度。
四 控制数据通信
MXNET_KVSTORE_REDUCTION_NTHREADS
默认值：4
用于总结大数组的CPU线程数。
MXNET_KVSTORE_BIGARRAY_BOUND
MXNET_ENABLE_GPU_P2P
更多配置信息：
http://mxnet.incubator.apache.org/how_to/env_var.html
五 Mxnet恢复训练
Mxnet可以通过断点恢复训练，命令如下：
python train_end2end.py --network resnet --gpu 0 --resume --begin_epoch 10 --end_epoch 15 --lr_step 15
原文链接：https://blog.csdn.net/u010402786/article/details/78475472