本文着重讲解了keras 指定程序在某块卡上训练实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
场景：某台机器上有三块卡，想同时开三个程序，放到三块卡上去训练。
策略：CUDA_VISIBLE_DEVICES=1 python train.py就可以指定程序在某块卡上训练。
补充知识：keras指定GPU及显存使用量
指定GPU
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
指定GPU和显存使用量
import os from keras.backend.tensorflow_backend import set_session os.environ["CUDA_VISIBLE_DEVICES"] = "0" config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 set_session(tf.Session(config=config))
指定GPU显存使用按需分配
import keras.backend.tensorflow_backend as KTF import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" config = tf.ConfigProto() config.gpu_options.allow_growth=True sess = tf.Session(config=config) KTF.set_session(sess)
以上这篇keras 指定程序在某块卡上训练实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
