启动TF会话(而不是其他会话)使用超过350MB的GPU内存
启动TF会话使用超过350MB的GPU内存是指在使用TensorFlow框架进行深度学习任务时，启动一个会话(Session)并且使用超过350MB的GPU内存资源。
TensorFlow是一个开源的机器学习框架，它提供了丰富的工具和库来支持深度学习任务的开发和部署。在深度学习任务中，通常需要使用GPU来加速计算，因为GPU具有并行计算的能力，可以大幅提高深度神经网络的训练和推理速度。
启动TF会话时，可以通过设置GPU内存分配策略来控制使用的GPU内存量。默认情况下，TensorFlow会尽可能占用所有可用的GPU内存，以提高计算效率。但是在某些情况下，可能需要限制GPU内存的使用量，例如当系统中同时运行多个TensorFlow任务时，为了避免资源竞争和冲突。
为了启动TF会话并使用超过350MB的GPU内存，可以按照以下步骤进行操作：
- 导入TensorFlow库：
import tensorflow as tf- 创建一个会话(Session)对象，并设置GPU内存分配策略：
config = tf.compat.v1.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 设置使用的GPU内存比例，这里设置为0.9表示使用90%的GPU内存
session = tf.compat.v1.Session(config=config)- 在会话中进行深度学习任务的操作：
# 在这里进行具体的深度学习任务操作，例如定义模型、加载数据、训练模型等需要注意的是，具体的GPU内存使用量会受到硬件设备和任务的限制，可能会因为硬件资源不足或任务复杂度过高而导致无法使用超过350MB的GPU内存。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云GPU计算服务：https://cloud.tencent.com/product/gpu
- 腾讯云AI引擎：https://cloud.tencent.com/product/tia
- 腾讯云弹性GPU：https://cloud.tencent.com/product/gpu/egpu
- 腾讯云深度学习平台：https://cloud.tencent.com/product/dla
相关·内容
下面的代码 with tf.Session(config=config) as sess: print("Session is open!")time.sleep(1) 根据nvidia-smi使用363MiB / 16280MiB。 是我漏掉了什么，还是这很正常？在这一点上，GPU使用率不应该是0MiB吗？
浏览 18提问于2019-04-09得票数 0
对不起标题，我知道这是有点模糊，但我有一个困难的时间，我们的设计，我需要帮助！
所以我们有一个经过训练的模型，我们想用它来检测汽车的图像。我们在nodejs后端有很多来自多个摄像头的图像。我们要做的是创建多个工作人员(child_process)，然后通过stdin向他们中的每个人发送一个图像路径，以便他们能够处理它并获得结果(每个工作人员每次运行一个映像)。工作人员是python3脚本，所以他们都运行相同的代码。这意味着我们有多个tensorflow
浏览 1提问于2018-04-15得票数 0
回答已采纳
例如，我希望有一个图形使用CPU，另一个图形使用GPU。我怎样才能做到这一点？电流方法及其存在的问题 device_count = {'GPU': 0}
浏览 7提问于2017-05-02得票数 0
我尝试过许多不同的Tensorflow示例，它们在CPU上工作得很好，但是当我试图在GPU上运行它们时会产生相同的错误。一个小例子是：a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shap
浏览 6提问于2015-12-29得票数 18
下面的代码用于管理tensorflow内存的使用。我有大约8Gb的GPU内存，所以tensorflow不能分配超过1Gb的GPU内存。但是，当我使用nvidia-smi命令查看内存使用情况时，我发现它使用了~1.5GB，尽管我用GPUOptions限制了内存的数量。memory_config = tf<
浏览 1提问于2019-04-05得票数 3
回答已采纳
我使用SRGAN的超分辨率if图像从64x64到1024x1024图像。网络非常深(它有16个残留块)。如果我使用从64x64到256x256的超分辨率代码，一切都很好。但是对于16倍的上采样，我开始得到内存错误。我使用的是Nvidia GeForce GTC 1080Ti。在系统监视器上，我看到内存和交换空间达到最大值，一段时间后代码崩溃。我还安装了Tensorflow GPU版本。为什么代码使用
浏览 23提问于2019-10-03得票数 0
当使用Tensorflow (w/ GPU支持)处理从OpenCV (3.4.3，使用Python )实时捕获的一些特性时，每当启动tf会话后尝试从捕获中获取read时，都会从cuDNN获得以下错误：GPU，而GPU内存不足。我目前使用的解决方法是首先使用OpenCV进行捕获，然后在实际需要时启动tf
浏览 0提问于2018-11-04得票数 1
在我的公司，我们目前正在开发一个广泛使用图形处理器处理的应用程序:深度学习，自己的CUDA实现和使用DirectX的3D可视化。GPU内存访问对于每个进程都很重要。在使用DeepLearning ( DL )模型时，我们遇到了TensorFlow ( TF )的一个问题:关闭TF与DL模型的会话后，不释放内存。只有当应用程序进程
浏览 0提问于2018-12-07得票数 1
我的目标是弄清楚在推理过程中，保存为.pb文件的TensorFlow模型使用了多少GPU内存。通过将per_process_gpu_memory_fraction限制为值0.01并在输入图像上成功运行模型，我预计内存使用量为120MB (基于12,000MB GPU)。=conf) 当我通过nvidia-smi观察实际的图形处理器内存使用率时，我看到使用率为550
浏览 59提问于2020-01-07得票数 2
在哪些情况下应该考虑tf.Session()和tf.InteractiveSession()用于什么目的？当我尝试使用前一个函数时，一些函数(例如，.eval())没有工作，当我更改为后一个函数时，它起了作用。
浏览 10提问于2017-01-22得票数 76
回答已采纳
我正在尝试使用Tensorflow进入深度学习世界，但是在用我的GPU运行它之后，我在运行基本时遇到了一个错误。这个错误是一个CUDA_ERROR_OUT_OF_MEMORY，它说当我实际有16 of时，它不能分配3.9GB内存。实际上，当我只使用一个工作程序时，错误就解决了，但是我相信它没有使用总内存。对不起，我不知道，但是当你用GPU运行Tensorflow时，它是使用RAM内存还是GPU<em
浏览 7提问于2017-09-16得票数 0
可以在Python中或通过设置环境变量等方式更改默认会话配置吗？with tf.Session() as sess:gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.1)
config = tf
浏览 0提问于2016-02-25得票数 3
我正在构建一个keras模型来运行一些简单的图像识别任务。如果我在原始的Keras中做所有的事情，我就不会点击OOM。然而，奇怪的是，当我通过我编写的迷你框架来做这件事时，我遇到了OOM。这个框架相当简单，主要是为了跟踪我使用的超参数和设置。大多数执行应该与运行原始Keras相同。我猜我在代码中犯了一些错误。请注意，同样的迷你框架在我本地笔记本电脑的CPU上运行也没有问题。但在此之前，有人有什么一般性的建议吗？下面是我得到的<
浏览 0提问于2018-05-19得票数 1
我正在尝试运行两个不同的Tensorflow会话，一个在GPU上(它做一些批处理工作)，另一个在我用于快速测试的CPU上，而另一个在运行。问题是，当我生成指定with tf.device('/cpu:0')的第二个会话时，会话试图分配GPU内存并使另一个会话崩溃。我的代码：os.environ["CUD
浏览 0提问于2017-06-12得票数 12
回答已采纳
但是，我注意到，当我这样做的时候，我的GPU内存使用量会激增到15637MiB / 16280MiB，根据nvidia-smi的说法。我认为您可以使用选项 config.gpu_options.allow_growth来阻止Tensorflow分配整个GPU，并根据需要使用GPU内存：wi
浏览 0提问于2019-04-08得票数 4
我在COCO2014(输入图像有形状256, 256, 3)上使用tf.data.Dataset运行网络，并将tensorflow会话配置为sess = tf.Session(config=sess_config)sess_config = <e
浏览 0提问于2019-07-06得票数 1
回答已采纳
考虑以下两行Python/TensorFlow交互式会话：s=tf.Session()
如果这些命令是在UbuntuLinux14.04机器上执行的，使用AnacondaPython2.7.13和TensorFlow r1.3 (从源代码编译)，具有32G物理内存和2个GPU( GTX Titan X和GTX 970)，而没有设置CUDA_VISIBLE_DEVICES(即两个GPU<
浏览 0提问于2017-09-08得票数 6
为了让TF使用我的RTX GPU并使用混合精度训练，我使用TF 2.4，我必须将这些行添加到所有涉及训练或执行TF模型的代码中： from tensorflow.compat.v1 import In
浏览 4提问于2021-03-10得票数 0
回答已采纳
我在Windows 10上的GTX 1070上运行keras神经网络训练和预测。大多数情况下，它是有效的，但偶尔也会出现问题E c:\tf_jenkins\ho
浏览 2提问于2017-07-12得票数 6
由于我的代码占用的GPU内存较少，因此我希望在一个GPU上运行同一代码的多个副本。我设置了os.environ"CUDA_VISIBLE_DEVICES“= "0"，还设置了t_config.gpu_options.allow_growth= True但当我<em
浏览 11提问于2017-12-20得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
