使用GPU跑程式

檢視機器上gpu情況

命令： nvidia-smi

功能：顯示機器上gpu的情況

命令： nvidia-smi -l

功能：定時更新顯示機器上gpu的情況

命令：watch -n 3 nvidia-smi

功能：設定重新整理時間（秒）顯示gpu使用情況

其中左上側有0、1、2、3的編號，表示gpu的編號，在後面指定gpu時需要使用這個編號。

在終端執行程式時指定gpu

cuda_visible_devices=1 python your_file.py

這樣在跑你的網路之前，告訴程式只能看到1號gpu，其他的gpu它不可見

可用的形式如下：

cuda_visible_devices=1 only device 1 will be seen

cuda_visible_devices=0,1 devices 0 and 1 will be visible

cuda_visible_devices="0,1" same as above, quotation marks are optional

cuda_visible_devices=0,2,3 devices 0, 2, 3 will be visible; device 1 is masked

cuda_visible_devices="" no gpu will be visible

在python**中指定gpu

import os

os.environ["cuda_device_order"] = "pci_bus_id"

os.environ["cuda_visible_devices"] = "0"

設定定量的gpu使用量

config = tf.configproto()

config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用gpu90%的視訊記憶體

session = tf.session(config=config)

設定最小的gpu使用量

config = tf.configproto()

config.gpu_options.allow_growth = true

session = tf.session(config=config)

檢視機器上gpu情況命令 nvidia smi 功能顯示機器上gpu的情況命令 nvidia smi l 功能定時更新顯示機器上gpu的情況命令 watch n 3 nvidia smi 功能設定重新整理時間秒顯示gpu使用情況其中左上側有0 1 2 3的編號，表示gpu的編號，在...

深度學習由於引數，資料量較大，經常需要在伺服器上執行程式。本文主要介紹如何使用終端模擬軟體mobaxter 其他終端軟體也基本一樣連線伺服器並執行接下來對跑程式常用的linux命令進行說明。第一步 ls 檢視當前目錄下的檔案和資料夾 cd 切換工作目錄執行時首先要切換到所要執行的工作目錄，...