我想使用带有Keras和tensorflow后端的allow_growth配置。 如建议f。即在use tensorflow.GPUOptions within Keras when using tensorflow backend我实现了我的代码如下：
import keras.backend.tensorflow_backend as K
import tensorflow as tf
...
gpu_options = tf.GPUOptions(allow_growth=True)
config = tf.ConfigProto(gpu_options=gpu_options)
sess = tf.Session(config = config)
K.set_session(sess)
model = Sequential()
model.add(...)
...
model.compile(...)
model.fit(...)
使用nvidia-smi我可以看到，动态分配有效。但是，应用这种适应性后，我无法在分类准确度方面取得任何改进，这意味着验证错误在多个时期内保持不变。
希望你能帮助我。
编辑： 前10个时期的输出：
大纪元1/30 307/307 [==============================] - 45s 147ms /步 - 损失：3.7766 - acc：0.0558 - val_loss ：3.7457 - val_acc：0.0420
时代2/30 307/307 [==============================] - 43s 140ms /步 - 损失：3.7372 - acc：0.0566 - val_loss ：3.7309 - val_acc：0.0420
大纪元3/30 307/307 [==============================] - 44s 143ms /步 - 损失：3.7222 - acc：0.0566 - val_loss ：3.7170 - val_acc：0.0420
大纪元4/30 307/307 [==============================] - 45s 146ms /步 - 损失：3.7079 - acc：0.0566 - val_loss ：3.7037 - val_acc：0.0420
大纪元5/30 307/307 [==============================] - 46s 150ms /步 - 损失：3.6944 - acc：0.0566 - val_loss ：3.6911 - val_acc：0.0420
大纪元6/30 307/307 [==============================] - 45s 147ms /步 - 损失：3.6815 - acc：0.0565 - val_loss ：3.6793 - val_acc：0.0420
大纪元7/30 307/307 [==============================] - 44s 144ms /步 - 损失：3.6693 - acc：0.0566 - val_loss ：3.6680 - val_acc：0.0420
大纪元8/30 307/307 [==============================] - 44s 143ms /步 - 损失：3.6577 - acc：0.0566 - val_loss ：3.6573 - val_acc：0.0420
大纪元9/30 307/307 [==============================] - 45s 147ms /步 - 损失：3.6467 - acc：0.0566 - val_loss ：3.6473 - val_acc：0.0420
大纪元10/30 307/307 [==============================] - 44s 143ms /步 - 损失：3.6363 - acc：0.0565 - val_loss ：3.6378 - val_acc：0.0420