Tensorflow-and-Keras使用心得

GPU Configuration

Memory Growth

显存设置使用默认状况最好
按需要分配显存，显存可以节约，但是内存占用会变大

1. 使用 os 来实现

   1 2 3

   import os os.environ["TF_FORCE_GPU_ALLOW_GROWTH"] = "true"

2. 使用 tensorflow 来实现

   1 2 3 4 5 6 7 8

   import tensorflow as tf if tf.__version__.startswith("1."): # tensorflow 1 config = tf.ConfigProto() # allow_soft_placement=True config.gpu_options.allow_growth = True sess = tf.Session(config=config) else: # tensorflow 2 tf.config.gpu.set_per_process_memory_growth(enabled=True)

3. 使用配置实现

   1 2 3

   gpus = tf.config.experimental.list_physical_devices("GPU") if len(gpus) > 0: tf.config.experimental.set_memory_growth(gpus[0], True)

Memory Proportion

1
2
3
4
5

from tensorflow.python.keras.backend import set_session

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9
set_session(tf.Session(config=config))

Set Memory Limit

对需要进行限制的GPU的显存使用进行设置，设置的显存大小不合适的时候，程序可以正常启动，但是无法运行，即无法进行深度学习的计算，这个功能主要满足于多个程序使用同块显卡的需要

1
2
3

tf.config.experimental.set_virtual_device_configuration(
    gpus[0], [tf.config.experimental.VirtualDeviceConfiguration(memory_limit=5000)]
)

Keras

Help

Keras 的网站 keras.io

Keras 的搜索功能不能使用，请使用 Bing ，在搜索框中输入 key1 key2 site: keras.io，key1 和 key2 是需要搜索的关键词。