亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

TensorFlow如何指定GPU訓(xùn)練模型

 更新時間:2022年11月02日 14:53:44   作者:打工人小飛  
這篇文章主要介紹了TensorFlow如何指定GPU訓(xùn)練模型,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教

如何指定GPU訓(xùn)練模型

Linux 查看當前服務(wù)器 GPU 的占用情況可以使用 nvidia-smi 命令,如下所示:

nvidia-smi

關(guān)于 nvidia-smi 命令輸出的詳細解釋,可參考筆者的另外一篇文章:GPU狀態(tài)監(jiān)測 nvidia-smi 命令詳解。

在此不再贅述,本文主要分享一下在用 TensorFlow 訓(xùn)練模型時如何指定 GPU。

在用 TensorFlow 訓(xùn)練深度學(xué)習(xí)模型的時候,若無手動指定,默認是選用第0塊來訓(xùn)練,而且其他幾塊 GPU 也會被顯示占用。

有時候,我們更希望可以自己指定一塊或者多塊 GPU 來訓(xùn)練模型,接下來介紹一種常用的也是比較有效的方法:

舉個例子

如果要指定只用第0塊 GPU 訓(xùn)練,可以在 python 代碼中如下指定:

import os
os.environ['CUDA_VISIBLE_DEVICES']='0'

運行 python 程序后,可發(fā)現(xiàn)就只有第0塊 GPU 顯示被占用,如上圖所示。

如果要指定多塊 GPU

可以如下:

os.environ['CUDA_VISIBLE_DEVICES']='1,2'

當然,上述這種方法不太方便,每次運行若換用 GPU 訓(xùn)練都需要改代碼,可以在運行 python 程序的時候進行指定:

CUDA_VISIBLE_DEVICES=0 python textCnn.py   

以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

最新評論