TensorFlow使用GPU(2)代碼設(shè)置

1.

2. 問題

2.1 求助:TensorFlow指定使用GPU2,3卻自動(dòng)占用GPU0

問題:使用os.environ["CUDA_VISIBLE_DEVICES"] = "1"設(shè)置使用GPU1覆积,卻總是使用GPU0颂砸;工禾,問題出在print("GPU狀態(tài):",tf.test.is_gpu_available())代碼上,在設(shè)置使用哪塊GPU之前镶蹋,不能調(diào)用tensorflow的函數(shù)。

import os
# 用于保存訓(xùn)練后的檢查點(diǎn)文件和日志文件路徑
train_log_file = 'miniImageNet-better-cs.ckpt'
print("GPU狀態(tài):",tf.test.is_gpu_available())
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"  #有效讹弯,但是運(yùn)行結(jié)果不對(duì)
os.environ["CUDA_VISIBLE_DEVICES"] = gpu_flag
#os.environ["CUDA_VISIBLE_DEVICES"] = "1"

修改前的運(yùn)行l(wèi)og:

2020-07-27 12:18:22.763620: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1471] Adding visible gpu devices: 0, 1, 2, 3, 4, 5, 6, 7
2020-07-27 12:18:22.772153: I tensorflow/core/common_runtime/gpu/gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-07-27 12:18:22.772171: I tensorflow/core/common_runtime/gpu/gpu_device.cc:958]      0 1 2 3 4 5 6 7 
2020-07-27 12:18:22.772181: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   N N N N N N N N 
2020-07-27 12:18:22.772188: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 1:   N N N N N N N N 
2020-07-27 12:18:22.772195: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 2:   N N N N N N N N 
2020-07-27 12:18:22.772202: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 3:   N N N N N N N N 
2020-07-27 12:18:22.772209: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 4:   N N N N N N N N 
2020-07-27 12:18:22.772216: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 5:   N N N N N N N N 
2020-07-27 12:18:22.772222: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 6:   N N N N N N N N 

修改如下雪隧,把tf.test.is_gpu_available()語(yǔ)句挪后即可:

import os
# 用于保存訓(xùn)練后的檢查點(diǎn)文件和日志文件路徑
train_log_file = 'miniImageNet-better-cs.ckpt'
print("GPU狀態(tài):",tf.test.is_gpu_available())
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"  #有效,但是運(yùn)行結(jié)果不對(duì)
os.environ["CUDA_VISIBLE_DEVICES"] = gpu_flag
#os.environ["CUDA_VISIBLE_DEVICES"] = "1"

修改后的運(yùn)行l(wèi)og:

2020-07-27 12:25:40.070721: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1471] Adding visible gpu devices: 0
2020-07-27 12:25:40.070792: I tensorflow/core/common_runtime/gpu/gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-07-27 12:25:40.070801: I tensorflow/core/common_runtime/gpu/gpu_device.cc:958]      0 
2020-07-27 12:25:40.070810: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   N 
2020-07-27 12:25:40.070915: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1084] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 10238 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2080 Ti, pci bus id: 0000:88:00.0, compute capability: 7.5)
2020-07-27 12:25:42.117883: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1471] Adding visible gpu devices: 0
2020-07-27 12:25:42.117947: I tensorflow/core/common_runtime/gpu/gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-07-27 12:25:42.117956: I tensorflow/core/common_runtime/gpu/gpu_device.cc:958]      0 
2020-07-27 12:25:42.117964: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   N 
2020-07-27 12:25:42.118029: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1084] Created TensorFlow device (/device:GPU:0 with 10238 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2080 Ti, pci bus id: 0000:88:00.0, compute capability: 7.5)

參考資料

[1] tensorflow運(yùn)行在gpu還是cpu
[2] tensorflow訓(xùn)練使用GPU和CPU的不同指定方法
[3] tensorflow指定使用哪塊GPU運(yùn)行程序
[4] 求助:TensorFlow指定使用GPU2,3卻自動(dòng)占用GPU0

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末褂删,一起剝皮案震驚了整個(gè)濱河市飞醉,隨后出現(xiàn)的幾起案子冲茸,更是在濱河造成了極大的恐慌屯阀,老刑警劉巖缅帘,帶你破解...
    沈念sama閱讀 206,013評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異难衰,居然都是意外死亡钦无,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門盖袭,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)失暂,“玉大人,你說我怎么就攤上這事鳄虱〉苋” “怎么了?”我有些...
    開封第一講書人閱讀 152,370評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵拙已,是天一觀的道長(zhǎng)决记。 經(jīng)常有香客問我,道長(zhǎng)倍踪,這世上最難降的妖魔是什么系宫? 我笑而不...
    開封第一講書人閱讀 55,168評(píng)論 1 278
  • 正文 為了忘掉前任,我火速辦了婚禮建车,結(jié)果婚禮上扩借,老公的妹妹穿的比我還像新娘。我一直安慰自己缤至,他們只是感情好潮罪,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評(píng)論 5 371
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著领斥,像睡著了一般错洁。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上戒突,一...
    開封第一講書人閱讀 48,954評(píng)論 1 283
  • 那天屯碴,我揣著相機(jī)與錄音,去河邊找鬼膊存。 笑死导而,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的隔崎。 我是一名探鬼主播今艺,決...
    沈念sama閱讀 38,271評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼爵卒!你這毒婦竟也來(lái)了虚缎?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,916評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤钓株,失蹤者是張志新(化名)和其女友劉穎实牡,沒想到半個(gè)月后陌僵,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,382評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡创坞,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,877評(píng)論 2 323
  • 正文 我和宋清朗相戀三年碗短,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片题涨。...
    茶點(diǎn)故事閱讀 37,989評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡偎谁,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出纲堵,到底是詐尸還是另有隱情巡雨,我是刑警寧澤,帶...
    沈念sama閱讀 33,624評(píng)論 4 322
  • 正文 年R本政府宣布席函,位于F島的核電站鸯隅,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏向挖。R本人自食惡果不足惜蝌以,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望何之。 院中可真熱鬧跟畅,春花似錦、人聲如沸溶推。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)蒜危。三九已至虱痕,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間辐赞,已是汗流浹背部翘。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留响委,地道東北人新思。 一個(gè)月前我還...
    沈念sama閱讀 45,401評(píng)論 2 352
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像赘风,于是被迫代替她去往敵國(guó)和親夹囚。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評(píng)論 2 345