admin管理员组

文章数量:1026472

1.首先查看能调用的gpu的情况
python
import tensorflow as tf
tf.test.gpu_device_name()
2. 查看gpu的资源占用情况
nvidia-smi
3.使用fuser命令显示所有占用nvidia设备的进程processID。
sudo fuser /dev/nvidia*
4.杀死所有进程
killall -u 用户名

PS: 我的机器显示有一个GPU设备被ignore了
解决方法：
输入export TF_MIN_GPU_MULTIPROCESSOR_COUNT=5

Note though that the default is set for a reason – if you enable slower GPU by changing that variable, your program may run slower than it would without any GPU available, because TensorFlow will try to put run everything on that GPU.

1.首先查看能调用的gpu的情况
python
import tensorflow as tf
tf.test.gpu_device_name()
2. 查看gpu的资源占用情况
nvidia-smi
3.使用fuser命令显示所有占用nvidia设备的进程processID。
sudo fuser /dev/nvidia*
4.杀死所有进程
killall -u 用户名

PS: 我的机器显示有一个GPU设备被ignore了
解决方法：
输入export TF_MIN_GPU_MULTIPROCESSOR_COUNT=5

Note though that the default is set for a reason – if you enable slower GPU by changing that variable, your program may run slower than it would without any GPU available, because TensorFlow will try to put run everything on that GPU.

本文标签： 不够用GPU

版权声明：本文标题：训练时GPU不够用的话怎么办办呢 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://it.en369.cn/jiaocheng/1740120260a1715518.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。