尽管另有说法，Tensorflow会分配所有GPU

Question

我想运行一个用Python编写的脚本并使用Tensorflow。如果服务器与其他同事共享，我想限制我的脚本使用服务器最多1/3的GPU内存。

为了实现这一目标，我将采取以下措施：

with tf.Graph().as_default(): gpu_options = tf.GPUOptions(allow_growth=True, per_process_gpu_memory_fraction=0.3) session_conf = tf.ConfigProto( allow_soft_placement=True, log_device-placement=False, gpu_options=gpu_options) with tf.Session(conf=session_conf) as sess: # some stuff

但是当我通过nvidia-smi命令检查GPU内存使用情况时，它表示所有内容都已分配。服务器上有2个GPU，似乎我的脚本完全分配了它们。我做错了什么？

我上面写的不是脚本的第一行代码。我先做一些数据处理。但是，如果我把它放在一开始，它也不会改变。

Answer 1

一个部分答案是在调用名为$CUDA_VISIBLE_DEVICES=0的脚本之前设置环境变量。使用此功能，您可以将使用限制为您指定的GPU-ID（本例中为GPU 0）

有关详情，请参阅CUDA visible devices