我有一个带有两个GPU的系统，并且正在使用带有Tensorflow后端的Keras。 Gpu：0被分配给PyCUDA，PyCUDA正在执行一个独特的操作，该操作将被转发给Keras，并随批次而变化。因此，我想在gpu：1上运行Keras模型，同时将gpu：0分配给PyCUDA。
有没有办法做到这一点？通过先前的线程，我发现了一些折旧的解决方案。
答案 0 :(得分：0)
因此，我认为当前Keras中并没有有意义地实现此功能。找到了一种建议的解决方法，您只需使用Python的默认多处理库即可创建多个进程。
注意：当前，对于此设置，您需要生成新进程而不是派生它，以避免与PyCUDA后端库之一进行怪异的交互。