在tensorflow中，默认指定占用所有的GPU，如需指定占用的GPU，可以在命令行中：
export CUDA_VISIBLE_DEVICES=1
这样便是只占用1号GPU，通过命令
nvidia-smi
可以查看各个GPU的使用情况。
另外，也可以在python程序中指定GPU，并且动态分配memory，代码如下
import os import sys os.environ['CUDA_VISIBLE_DEVICES'] = sys.argv[1] import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.allow_growth = True set_session(tf.Session(config=config))
这样，占用的GPU就是sys.argv[1]了，并且会按需分配memory。
以上这篇tensorflow指定GPU与动态分配GPU memory设置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。