TensorFlow的GPU设置

在使用GPU版的TensorFlow跑程序的时候，如果不特殊写代码注明，程序默认是占用所有主机上的GPU，但计算过程中只会用其中一块。也就是你看着所有GPU都被占用了，以为是在GPU并行计算，但实际上只有其中一块在运行；另外的所有显卡都闲着，但其显存都被占用了，所以别人也用不了。不过这种情况通过在程序之前加三行代码就可以解决：

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = "0,1"

这行代码加在TensorFlow程序开头，就可以成功屏蔽掉系统中除 gpu0 和 gpu1 之外所有的GPU设备了（当然，这个gpu序号要根据实际情况来定）。

注意，第二行 os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" 也很重要，保证程序中的GPU序号是和硬件中的序号是相同的，不加的话可能会造成不必要的麻烦。

如果不想使用GPU，这样设置第三行代码 os.environ['CUDA_VISIBLE_DEVICES'] = "" 。在这个程序中所有的GPU设备都被屏蔽了，所以只能用CPU。

除此之外，TensorFlow程序会默认占用显卡中的所有显存，如果想让程序需要多少显存就用多少应该怎么设置呢？创建 session 的时候加一项设置：

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

跑程序的时候可以用 nvidia-smi 命令来观察一下显存使用情况。
原文链接：https://blog.csdn.net/byron123456sfsfsfa/article/details/79811286