Tensorflow全局设置可见GPU编号操作

笔者需要tensorflow仅运行在一个GPU上(机器本身有多GPU),而且需要依据系统参数动态调节,故无法简单使用CUDA_VISIBLE_DEVICES。

一种方式是全局使用tf.device函数生成的域,但设备号需要在绘制Graph前指定,仍然不够灵活。

查阅文档发现config的GPUOptions中的visible_device_list可以定义GPU编号从visible到virtual的映射,即可以设置tensorflow可见的GPU device,从而全局设置了tensorflow可见的GPU编号。代码如下:

config = tf.ConfigProto()

config.gpu_options.visible_device_list = str(device_num)

sess = tf.Session(config=config)

参考 多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置,还可以通过os包设置全局变量CUDA_VISIBLE_DEVICES,代码如下:

os.environ["CUDA_VISIBLE_DEVICES"] = "2"

补充知识:TensorFlow 设置程序可见GPU与逻辑分区

TensorFlow 设置程序可见GPU(多GPU情况)

import matplotlib as mpl

import matplotlib.pyplot as plt

%matplotlib inline

import numpy as np

import sklearn

import pandas as pd

import os

import sys

import time

import tensorflow as tf

from tensorflow_core.python.keras.api._v2 import keras

print(tf.__version__)

print(sys.version_info)

for module in mpl, np, pd, sklearn, tf, keras:

print(module.__name__, module.__version__)

# 打印变量所在位置

tf.debugging.set_log_device_placement(True)

# 获取物理GPU的个数

gpus = tf.config.experimental.list_physical_devices("GPU")

if len(gpus) >= 1:

# 设置第几个GPU 当前程序可见

tf.config.experimental.set_visible_devices(gpus[0], "GPU")

print("物理GPU个数:", len(gpus))

# 获取逻辑GPU的个数

logical_gpus = tf.config.experimental.list_logical_devices("GPU")

print("逻辑GPU个数:", len(logical_gpus))

TensorFlow 设置GPU的 逻辑分区

import matplotlib as mpl

import matplotlib.pyplot as plt

%matplotlib inline

import numpy as np

import sklearn

import pandas as pd

import os

import sys

import time

import tensorflow as tf

from tensorflow_core.python.keras.api._v2 import keras

print(tf.__version__)

print(sys.version_info)

for module in mpl, np, pd, sklearn, tf, keras:

print(module.__name__, module.__version__)

# 打印变量所在位置

tf.debugging.set_log_device_placement(True)

# 获取物理GPU的个数

gpus = tf.config.experimental.list_physical_devices("GPU")

if len(gpus) >= 1:

# 设置第几个GPU 当前程序可见

tf.config.experimental.set_visible_devices(gpus[0], "GPU")

# 设置GPU的 逻辑分区

tf.config.experimental.set_virtual_device_configuration(

gpus[0],

[tf.config.experimental.VirtualDeviceConfiguration(memory_limit=3072),

tf.config.experimental.VirtualDeviceConfiguration(memory_limit=3072)])

print("物理GPU个数:", len(gpus))

# 获取逻辑GPU的个数

logical_gpus = tf.config.experimental.list_logical_devices("GPU")

print("逻辑GPU个数:", len(logical_gpus))

TensorFlow 手动设置处理GPU

import matplotlib as mpl

import matplotlib.pyplot as plt

%matplotlib inline

import numpy as np

import sklearn

import pandas as pd

import os

import sys

import time

import tensorflow as tf

from tensorflow_core.python.keras.api._v2 import keras

print(tf.__version__)

print(sys.version_info)

for module in mpl, np, pd, sklearn, tf, keras:

print(module.__name__, module.__version__)

# 打印变量所在位置

tf.debugging.set_log_device_placement(True)

# 自动指定处理设备

tf.config.set_soft_device_placement(True)

# 获取物理GPU的个数

gpus = tf.config.experimental.list_physical_devices("GPU")

for gpu in gpus:

# 设置内存自增长方式

tf.config.experimental.set_memory_growth(gpu, True)

print("物理GPU个数:", len(gpus))

# 获取逻辑GPU的个数

logical_gpus = tf.config.experimental.list_logical_devices("GPU")

print("逻辑GPU个数:", len(logical_gpus))

c = []

# 循环遍历当前逻辑GPU

for gpu in logical_gpus:

print(gpu.name)

# 手动设置处理GPU

with tf.device(gpu.name):

a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])

b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])

# 矩阵相乘 并且添加至列表

c.append(tf.matmul(a, b))

# 手动设置处理GPU

with tf.device("/GPU:0"):

matmul_sum = tf.add_n(c)

print(matmul_sum)

以上这篇Tensorflow全局设置可见GPU编号操作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。

以上是 Tensorflow全局设置可见GPU编号操作 的全部内容, 来源链接: utcz.com/z/317888.html

回到顶部