17、TensorFLow GPU 的使用

一、TensorFlow 设备分配

1、设备分配规则

If a TensorFlow operation has both CPU and GPU implementations, the GPU devices will be given priority when the operation is assigned to a device.

---

2、手动指定设备分配

• 如果你不想让系统自动为 operation 分配设备, 而是自己手动指定, 可以用 with tf.device 创建一个设备环境, 这个环境下的 operation 都统一运行在指定的设备上.
• 代码示例如下：

# op 在 cpu 上运算with tf.device('/cpu:0'):      a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')      b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')# op 在 gpu 上运算with tf.device('/device:GPU:2'):  a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')  b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')# op 在 gpus 上运算for d in ['/device:GPU:2', '/device:GPU:3']:  with tf.device(d):    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3])    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2])

---

二、TensorFlow GPU 配置

这里直接引用师弟的blog—TensorFlow对你的GPU其实不霸道(写的很好) ，稍加修改和总结，具体在程序中直接使用第 4 条总结的使用经验即可

1、半遮面——指定可以被看见的GPU设备

import os# 默认情况，TF 会占用所有 GPU 的所有内存, 我们可以指定# 只有 GPU0 和 GPU1 这两块卡被看到，从而达到限制其使用所有GPU的目的os.environ['CUDA_VISIBLE_DEVICES'] = '0, 1'  # 打印 TF 可用的 GPUprint os.environ['CUDA_VISIBLE_DEVICES']>>> 0, 1

---

2、圈其地——限定使用显存的比例

# 在开启对话session前，先创建一个 tf.ConfigProto() 实例对象# 通过 allow_soft_placement 参数自动将无法放在 GPU 上的操作放回 CPUgpuConfig = tf.ConfigProto(allow_soft_placement=True)# 限制一个进程使用 60% 的显存gpuConfig.gpu_options.per_process_gpu_memory_fraction = 0.6# 把你的配置部署到sessionwith tf.Session(config=gpuConfig) as sess:  pass这样，如果你指定的卡的显存是8000M的话，你这个进程只能用4800M。

---

3、任其行——需要多少拿多少

# 在开启对话session前，先创建一个 tf.ConfigProto() 实例对象# 通过 allow_soft_placement 参数自动将无法放在 GPU 上的操作放回 CPUgpuConfig = tf.ConfigProto(allow_soft_placement=True)# 运行时需要多少再给多少gpuConfig.gpu_options.allow_growth = True  # 把你的配置部署到sessionwith tf.Session(config=gpuConfig) as sess:     pass

---

4、GPU 使用总结

import osos.environ['CUDA_VISIBLE_DEVICES'] = '0, 1'  gpuConfig = tf.ConfigProto(allow_soft_placement=True)gpuConfig.gpu_options.allow_growth = True  with tf.Session(config=gpuConfig) as sess:     pass

---

三、参考资料

1、https://www.tensorflow.org/tutorials/using_gpu
2、TensorFlow对你的GPU其实不霸道