TensorFlow訓練內（顯）存不斷增長

在使用tensorflow過程中，乙個不標準的操作，就可能導致程式出各種bug，今天我們的豬腳就是「tensorflow訓練內（顯）存不斷增長」，此問題並不是我遇到的，是公司一位同事遇到的，我把**翻了一下，看出了問題所在，由於一些保密原因，我就不在這裡展示那個**，但可以用其他**來替代。

import tensorflow as tf

x = tf.constant(10)
sess = tf.session()
sess.run(tf.global_variables_initializer())
while true:
print(sess.run(x))

import tensorflow as tf

x = tf.constant(10)
sess = tf.session()
sess.run(tf.global_variables_initializer())
while true:
print(sess.run(x+x))

解決辦法：1.釋放臨時節點；2.避免在run裡面進行運算產生臨時節點，即出了結果再計算

tensorflow視訊記憶體管理

在執行上面的blog的tensorflow小程式的時候程式我們會遇到乙個問題，當然這個問題不影響我們實際的結果計算，但是會給同樣使用這台計算機的人帶來麻煩，程式會自動呼叫所有能呼叫到的資源，並且全占滿，在自己的pc上沒問題，但是在伺服器上，問題就很大，因為一旦你執行程式，佔滿視訊記憶體別人就不能再用...

tensorflow設定視訊記憶體自適應和視訊記憶體比例

用慣了theano.再用tensoflow發現一執行視訊記憶體就滿載了，嚇得我吃了乙個蘋果。用 搜尋引擎毛都搜不到，於是翻牆找了下問題的解決方法，原來有兩種 1.按比例 config tf.configproto config.gpu options.per process gpu memory f...

Tensorflow設定視訊記憶體自適應，視訊記憶體比例

用慣了theano.再用tensoflow發現一執行視訊記憶體就滿載了，嚇得我吃了乙個蘋果。用 搜尋引擎毛都搜不到，於是翻牆找了下問題的解決方法，原來有兩種 1.按比例 config tf.configproto config.gpu options.per process gpu memory f...