转载自:https://blog.csdn.net/github_36326955/article/details/79910448
代码如下:
import os
import tensorflow as tf
import keras.backend.tensorflow_backend as KTF #进行配置,每个GPU使用80%上限现存
os.environ[“CUDA_VISIBLE_DEVICES”]=“1” # 使用编号为1号的GPU
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.8 # 每个GPU现存上届控制在80%以内
session = tf.Session(config=config) # 设置session KTF.set_session(session )
#设置session
KTF.set_session(session )
【使用GPU进行训练,及解决jupyter 问题:The kernel appears to have died. It will restart automatically】注意:
config.gpu_options.per_process_gpu_memory_fraction = 0.8 # 每个GPU现存上届控制在80%以内
设置GPU使用上限,可以有效避免显存不足而导致的jupyter 问题:
The kernel appears to have died. It will restart automatically
推荐阅读
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- Python专栏|数据分析的常规流程
- Python|Win10下 Python开发环境搭建(PyCharm + Anaconda) && 环境变量配置 && 常用工具安装配置
- Python绘制小红花
- Pytorch学习|sklearn-SVM 模型保存、交叉验证与网格搜索
- OpenCV|OpenCV-Python实战(18)——深度学习简介与入门示例
- python|8. 文件系统——文件的删除、移动、复制过程以及链接文件
- 爬虫|若想拿下爬虫大单,怎能不会逆向爬虫,价值过万的逆向爬虫教程限时分享
- 分布式|《Python3网络爬虫开发实战(第二版)》内容介绍
- java|微软认真聆听了开源 .NET 开发社区的炮轰( 通过CLI 支持 Hot Reload 功能)