为tensorflow指定GPU,原因是,默认创建session时,会将所有显存占满,发现有人在用的时候,就会session不能创建而报错。
首先nvidia-smi查看显卡的编号,最左边一列,看看哪个空的
1.在终端设置使用的GPU
如果用方法一,虽然方便,但有的时候还是需要指定其他的GPU,这时可以这样,例如
CUDA_VISIBLE_DEVICES=2 python test.py
这样就只会使用序号为2的GPU
2.在程序中指定使用的GPU
import os
os.environ[“CUDA_VISIBLE_DEVICES”]=‘2’
3.No dashboards are active for the current data set. 解决tensorboard无法启动(can not create session)和显示问题(no dashboards)
CUDA_VISIBLE_DEVICES=3 tensorboard –host=1.1.1.1 –port=6666 –logdir=”/data1/wangning/tutorials/tensorflowTUT/tf14_tensorboard/
host是你自己的主机ip,port是你可以指定tensorboard的端口号,logdir要记得写绝对路径,不然总出现no dashboard错误
这里仅做一下小记录,请忽略,以防清华镜像不稳定。
linux,GPU, py2.7
pip install \
-i https://pypi.tuna.tsinghua.edu.cn/simple/ \
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl
config = tf.ConfigProto(allow_soft_placement=True)
最多占gpu资源的70%
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
开始不会给tensorflow全部gpu资源 而是按需增加
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)