轉載請註明出處：

參考網址：

1 終端執行程式時設定使用的GPU

如果電腦有多個GPU，tensorflow預設全部使用。如果想只使用部分GPU，可以設定CUDA_VISIBLE_DEVICES。在呼叫python程式時，可以使用（見第一個參考網址Franck Dernoncourt的回覆）：

CUDA_VISIBLE_DEVICES=1 python my_script.py

Environment Variable Syntax      Results

CUDA_VISIBLE_DEVICES=1           Only device 1 will be seen
CUDA_VISIBLE_DEVICES=0,1         Devices 0 and 1 will be visible
CUDA_VISIBLE_DEVICES="0,1"       Same as above, quotation marks are optional
CUDA_VISIBLE_DEVICES=0,2,3       Devices 0, 2, 3 will be visible; device 1 is masked
CUDA_VISIBLE_DEVICES=""          No GPU will be visible

2 python程式碼中設定使用的GPU

如果要在python程式碼中設定使用的GPU（如使用pycharm進行除錯時），可以使用下面的程式碼（見第二個參考網址中Yaroslav Bulatov的回覆）：

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

3 設定tensorflow使用的視訊記憶體大小

3.1 定量設定視訊記憶體

預設tensorflow是使用GPU儘可能多的視訊記憶體。可以通過下面的方式，來設定使用的GPU視訊記憶體：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
sess 
 
= tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))        

上面分配給tensorflow的GPU視訊記憶體大小為：GPU實際視訊記憶體*0.7。

可以按照需要，設定不同的值，來分配視訊記憶體。

========================================================================

170703更新：

3.2 按需設定視訊記憶體

gpu_options = tf.GPUOptions(allow_growth=True)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))   

170703更新結束

========================================================================