关于tensorflow1.13指定训练显卡的问题

最新推荐文章于 2025-04-20 17:42:31 发布
原创 最新推荐文章于 2025-04-20 17:42:31 发布 · 350 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
博客讲述了TensorFlow不同版本指定GPU训练的情况。在1.12版本时，可在train文件里加os.environ[\CUDA_VISIBLE_DEVICES\]=\0\；但在1.13版本此方法失效，解决办法是在train文件加入特定代码，并在终端加指定指令执行。

以前1.12版本的时候直接在train 文件里加上os.environ["CUDA_VISIBLE_DEVICES"]="0"即可。今天在1.13上这样已经不行了，包括在终端加上指定指令也不行。解决方法是在train文件加入config = tf.ConfigProto(allow_soft_placement = True) sess = tf.Session(config = config)，并在终端加上CUDA_VISIBLE_DEVICE=0 python train.py，执行，Ok.

TensorFlow 1.13.安装总结
weixin_54707168的博客
09-10 2391
TensorFlow 安装总结 TensorFlow 简介： TensorFlow 是 Google 公司人工智能团队谷歌大脑（Google Brain）研发和维护的开源深度学习框架，世界上由成千上万个开发者为该项目贡献代码，框架能够随着对深度学习的研究进展及时更新。TensorFlow 核心组件包括：最底层的设备层、内核应用、执行器、分发中心。主要是对张量进行运算，有适用于高阶神经网络的Estimators接口。而且 TensorFlow 可轻松移植到网页端和移动设备上。下面安装的是TensorFlo..
BERT | 使用TensorFlow无法使用显卡
渡过寒冬
02-18 1634
BERT | 使用TensorFlow无法使用显卡   大家好，我是亓官劼（qí guān jié ），在【亓官劼】公众号、CSDN、GitHub、B站、华为开发者论坛等平台分享一些技术博文，主要包括前端开发、python后端开发、小程序开发、数据结构与算法、docker、Linux常用运维、NLP等相关技术博文，时光荏苒，未来可期，加油~   如果喜欢博主的文章可以关注博主的个人公众号【亓官劼】(qí guān jié)，里面的文章更全更新更快。如果有需要找博主的话可以在公众号后台留言，我会尽快回复消
tensorflow 1.14指定gpu运行设置
qq_15821487的博客
07-06 1473
注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
tensorflow使用显卡gpu进行训练详细教程
02-09 5149
tensorflow使用显卡gpu进行训练详细教程
Tensorflow指定显卡GPU运行
songbinxu的博客
05-13 9610
Tensorflow指定显卡GPU运行   有些工作站配备了不止一块显卡，比如4路泰坦。TensorFlow会默认使用第0块GPU，而以TensorFlow为Backend的Keras会默认使用全部GPU资源。有时候有多个人需要跑实验，如果一个人占用了全部GPU，其他人就不能跑了。因此需要能够指定使用特定的GPU。   具体地，只需要在主代码的开头插入如下代码，即可指定使用第3块（从0开始计数...
Ubuntu 18.04 安装显卡驱动+CUDA10+多版本CUDA+Tensorflow gpu1.13.1
gulingfengze的博客
05-25 7093
废话不多说，直奔主题！ 一.安装驱动 1.去官网下载驱动，这个根据自己的显卡去搜索，比如我的卡是RTX2070： 然后点击“搜索”按钮，出现界面： 这里提示对应的驱动版本，点击下载就好了，下载的是一个xxx.run文件，我的是：NVIDIA-Linux-x86_64-418.56.run 。 2.删除之前的驱动，不管有没有装过，执行一次下面命令就好： sudo apt-get remove ...
搭载RTX3090显卡服务器配置tensorflow1.x项目的曲折经历
qq_73664776的博客
01-27 1781
事情起因是需要在服务器上跑代码，指导老师提供了学校的服务器，搭载两块RTX3090显卡，一开始按照需要跑的项目所需的配置文件配置环境： 发现在跑代码跑到模型训练部分的时候发生报错： 经过查阅资料发现，我们遇到此报错的原因是tensorflow1.x版本无法使用RTX30系列显卡进行GPU训练，如果对训练速度没有要求，按照以下代码禁用GPU可通过CPU训练解决报错： 但是服务器就在那里，不太可能因为一个项目换掉学校服务器的cuda和显卡版本，我参与的论
【AI训练环境搭建】在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境
最新发布
fengye002fly的博客
04-20 2957
注意，此时运行conda -V提示没有conda命令，你只需要关闭cmd窗口再进入到unbuntu即可，如果你使用的是windows11，这里也会有快捷进入unbuntu的入口。由于以上是再windows跑通的，再ubuntu下没必要按这个版本，下面尝试重新创建一个conda环境，然后用比较新的版本。由于第一次尝试和第二次尝试都失败了，若要快速搭建吗，可直接跳转至第六章节，你只需要注意添加conda清华源就行了。经验证，训练用时约13s，和我在windows上直接用conda安装的环境下，用时非常接近！
Tensorflow不能使用GPU的解决办法
kudou1994的博客
02-01 5万+
服务器在训练模型，另一边我在瞎胡乱搞不晓得咋个搞的，就不能使用GPU了。 python3.6下 from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) 查询了一下确实检测不到GPU了，只有CPU。 随后使用 pip list pip3 list 都查询了一下版本也都正常 tens...
tensorflow中指定GPU及GPU显存设置
热门推荐
妙猪的专栏
08-14 10万+
查看机器上GPU情况 命令： nvidia-smi 功能：显示机器上gpu的情况 命令： nvidia-smi -l 功能：定时更新显示机器上gpu的情况 其中左上侧有0、1、2、3的编号，表示GPU的编号，在后面指定GPU时需要使用这个编号。 在终端执行程序时指定GPU   CUDA_VISIBLE_DEVICES=1   python  your_
tensorflow显存管理、tensorflow使用多个gpu训练
liulina603的专栏
05-03 3万+
 通常在程序开始之前并不知道需要多大的显存，程序会去申请GPU的显存的50% 比如一个8G的内存，被占用了2G，那么程序会申请4G的显存（因为有足够的剩余显存） 如果此时显存被占用7G，那么程序会申请剩下的所有的1G的显存。也许你的程序根本用不着这么多显存，200M也许就够了，这时候如果程序能按照需求去申请就好了，幸运的是，这样的方法是存在的： import tensorflow as t...
TensorFlow指定特定GPU以及占用显存的比例
m0_37041325的博客
08-22 3万+
因为LZ是使用GPU服务器跑TensorFlow，而TensorFlow默认的是占用所有GPU，于是为了不影响其他同学使用GPU，于是就试验和总结了一下TensorFlow指定GPU的方法。。 环境 系统：Ubuntu14.04 TensorFlow：v1.3 GPU 8个GTX1080，第一列的0~7的数是GPU的序号 一.设置指定GPU 1.一劳永逸的方法，直接在~/.
TensorFlow使用GPU训练网络时多块显卡的显存使用问题
不眠旅行
06-22 1万+
使用实验室的服务器网络训练时，发现我只使用单个GPU跑程序，但三块显卡的显存都被占用。查了官网说明，发现这是因为TensorFlow训练时默认占用所有GPU的显存导致的。于是记录一下解决方法。
TensorFlow支持GPU配置问题
weixin_30879833的博客
04-21 770
目录 Tensorflow-GPU 环境条件 现有硬件 现有软件 硬件要求 软件要求 步骤 0.Visual studio 1.下载安装显卡驱动 2.下载对应版本 CUDA ...
tensorflow不能用显卡跑程序的问题
lg546982075的博客
10-10 5330
刚入坑机器学习。跑了四五天了，一遍还没跑完。 查进程号 ps -u  uesrid（自己的用户名）  nvidia-smi 查看 显卡状态。发现没有自己的pid  进程号。 然后发现程序里CUDA_VISIBLE_DEVICES =1 python my.py  依旧没有帮助。 后来发现自己安装的tensorflow 版本有问题。卸载之后安装tensorflow-gpu版本 一切正常。 ...
tensorflow在训练模型的时候如何指定GPU进行训练
wangwangstone的博客
06-25 1万+
转载: 参考：https://blog.csdn.net/u010238520/article/details/76165736 1.第一种是通过tf.device()函数来指定训练时所要使用的GPU. 假设我们要用我们的第2块GPU来训练模型，此时可以通过下面的代码来指定： tf.device('/gpu:2') 我们可以看到，虽然指定了第2块GPU来训练，但是其它几个GPU也...
tensorflow多卡训练
AI蜗牛之家
11-23 1万+
使用tensorflow的小伙伴肯定对GPU不陌生，在科学矩阵计算上，GPU的性能要比CPU快很多，这样会大大减小我们训练模型的时间，但是一个服务器上往往有多卡，如果能多卡共同训练一个模型岂不快哉？在开始学习tensorflow的时候我就注意到os.environ["CUDA_VISIBLE_DEVICES"]参数可以设置多卡，开始我也天真的以为这个参数就可以实现自动多卡训练，可是在做了相关的调...
tensorflow中使用tf.ConfigProto()使用方法
Loong Cheng的博客
05-14 7840
tf.ConfigProto()函数用在创建session的时候，用来对session进行参数配置： config = tf.ConfigProto(allow_soft_placement=True, allow_soft_placement=True) config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%显存 se...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值