換了一臺RTX2060的電腦之后，用tensorflow做實驗發現沒有使用GPU，那我換電腦就沒有意義了，然后百度發現tensorflow-gpu才是使用GPU來運算的，于是又花了三個多小時來下載安裝，為啥比CPU的復雜這么多，唉~，終于安裝成功之后，運行程式的時候又報錯，也就是本文這個錯誤，查閱資料后發現解決方法，于是記錄一下，
這是GPU記憶體的問題
tensorflow
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
keras
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
keras.backend.tensorflow_backend.set_session(tf.Session(config=config))
或者
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.3
tf.compat.v1.keras.backend.set_session(tf.compat.v1.Session(config=config))
詳細決議
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = "0,1"//選擇哪一塊gpu,如果是-1，就是呼叫cpu
config = tf.ConfigProto()//對session進行引數配置
config.allow_soft_placement=True ： 如果你指定的設備不存在，允許TF自動分配設備
config.gpu_options.per_process_gpu_memory_fraction=0.7//分配百分之七十的顯存給程式使用，避免記憶體溢位，可以自己調整
config.gpu_options.allow_growth = True//按需分配顯存，這個比較重要
session = tf.Session(config=config)
##或者
with tf.Session(config=config) as sess:
南島鹋博客
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/21540.html
標籤：其他