通过设置Keras的Tensorflow后端的全局变量达到。
import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF def get_session(gpu_fraction=0.3): '''Assume that you have 6GB of GPU memory and want to allocate ~2GB''' num_threads = os.environ.get('OMP_NUM_THREADS') gpu_optiOns= tf.GPUOptions(per_process_gpu_memory_fraction=gpu_fraction) if num_threads: return tf.Session(cOnfig=tf.ConfigProto( gpu_optiOns=gpu_options, intra_op_parallelism_threads=num_threads)) else: return tf.Session(cOnfig=tf.ConfigProto(gpu_optiOns=gpu_options))
使用过程中显示的设置session:
import keras.backend.tensorflow_backend as KTF
KTF.set_session(get_session())
补充知识:限制tensorflow的运行内存 (keras.backend.tensorflow)
我就废话不多说了,大家还是直接看代码吧!
import tensorflow as tf from keras.backend.tensorflow_backend import set_session cOnfig= tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.5 #half of the memory set_session(tf.Session(cOnfig=config))
以上这篇Keras设定GPU使用内存大小方式(Tensorflow backend)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。