前言

记录下一些小问题的解决方案（长期更新）。

tensorflow和keras限制gpu显存

tensorflow

ps：注意keras和tensorflow设置方式是不同的
限制为0.5

import tensorflow 
tf_config = tensorflow.ConfigProto()  
tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50%  
session = tensorflow.Session(config=tf_config)

  

 

• 1
• 2
• 3
• 4

自适应最佳

tf_config = tensorflow.ConfigProto()  
tf_config.gpu_options.allow_growth = True  
session = tensorflow.Session(config=tf_config) 

  

 

• 1
• 2
• 3

keras

import keras
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session  
config = tf.ConfigProto()  
config.gpu_options.allow_growth = True  
set_session(tf.Session(config=config)) 
  

 

• 1
• 2
• 3
• 4
• 5
• 6
• 7

设置tensorflow和keras设置cpu运行

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"  
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

  

 

• 1
• 2
• 3

常见异常解决方案

这种异常我个人认为是tensorflow版本导致

tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. [[{{node Conv/convolution}}]] [[{{node metrics/_f_score/Identity}}]]


  

 

• 1
• 2
• 3
• 4

解决方法：

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

  

 

• 1
• 2
• 3
• 4

文章来源: blog.csdn.net，作者：快了的程序猿小可哥，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/qq_35914625/article/details/108692540