tf.ConfigProto() 和tensorflow的GPU配置

版权声明：访问者可将本博客提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须及时征得本网站及相关权利人的明确许可。 https://blog.csdn.net/qq_38262728/article/details/89044711

# 使用0, 2, 3三块GPU
os.environ['CUDA_VISIBLE_DEVICES'] = '0, 2, 3'

#设置每个GPU应该拿出多少容量给进程使用，0.6表示60%
gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.6)

config=tf.ConfigProto(
	gpu_options=gpu_options，
	log_device_placement=True,  # log_device_placement是否打印设备分配日志
	allow_soft_placement=True)  # allow_soft_placement指定设备不存在的话，是否允许TF自动分配设备

# 使用allow_growth option，开始分配少量显存，然后按需增加， 一般和tf.GPUOptions选择一个使用
# config.gpu_options.allow_growth = True

session = tf.Session(config=config, ...)