1 linux檢視當前伺服器GPU佔用情況:

nvidia-smi

  週期性輸出GPU使用情況: (如設定每3s顯示一次GPU使用情況)

 watch -n 3 nvidia-smi

   效果如下:

2  指定GPU訓練,使用CUDA_VISIBLE_DEVICES來指定

    如果要指定第2塊GPU訓練,可以在python程式碼中如下指定:

import os  
os.environ['CUDA_VISIBLE_DEVICES']='2' 

    如果要指定多塊GPU,可以如下:

os.environ['CUDA_VISIBLE_DEVICES']='2，3'  

   當然也可以在執行python程式的時候進行指定:

CUDA_VISIBLE_DEVICES=2 python train_textcnn.py 

3 設定定量的GPU使用量 和 設定最小的GPU使用量.

   設定定量的GPU視訊記憶體使用量:

config = tf.ConfigProto() 
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 佔用GPU90%的視訊記憶體 
session = tf.Session(config=config)

  設定最小的GPU視訊記憶體使用量:

config = tf.ConfigProto() 
config.gpu_options.allow_growth = True 
session = tf.Session(config=config)