一般情況下，運行tensorflow時，默認會占用可以看見的所有GPU，那么就會導致其它用戶或程序無GPU可用，那么就需要限制程序對GPU的占用。并且，一般我們的程序也用不了所有的GPU資源，只是強行霸占著，大部分資源都不會用到，也不會提升運行速度。

使用nvidia-smi可以查看本機的GPU使用情況，如下圖，這里可以看出，本機的GPU型號是K80，共有兩個K80，四塊可用（一個K80包括兩塊K40）。

1、如果是只需要用某一塊或某幾塊GPU，可以在運行程序時，利用如下命令運行：CUDA_VISIBLE_DEVICES=0,1 python test.py

這里表示只有GPU 0和1對程序可見，因此也就限制了程序只能用GPU 0和1

同樣，也可以在代碼里指定

import osos.environ["CUDA_VISIBLE_DEVICES"] = "0,1"

如果想只用CPU，不用CPU來運行程序，可以用如下命令(所有GPU都不可見)：

CUDA_VISIBLE_DEVICES='' python test.py 

或者是

CUDA_VISIBLE_DEVICES="-1" python test.py

2、讓tensorflow只按需索取顯存，如下代碼所示

#only minimum use gpugpu_config = tf.ConfigProto()gpu_config.gpu_options.allow_growth = Truewith tf.Session(config = gpu_config) as sess:

前面是對GPU的限制，那如果不用GPU，只用CPU呢？如何限制對CPU的使用呢？

前面也有提到，如果使用命令CUDA_VISIBLE_DEVICES=“”python test.py可以只使用CPU，那如果想只使用部分CPU呢?可以通過如下代碼限制

cpu_config = tf.ConfigProto(intra_op_parallelism_threads = 8, inter_op_parallelism_threads = 8, device_count = {'CPU': 8})with tf.Session(config = cpu_config) as sess:

以上這篇運行tensorflow python程序,限制對GPU和CPU的占用操作就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。