阻止TensorFlow访问GPU？ [复制]

Posted 2023-02-23

【中文标题】阻止TensorFlow访问GPU？ [复制]

【英文标题】：Prevent TensorFlow from accessing the GPU? [duplicate]

【发布时间】：2017-11-17 01:36:31

【问题描述】：

有没有办法完全在 CPU 上运行 TensorFlow。我机器上的所有内存都被一个运行 TensorFlow 的单独进程占用。我尝试将 per_process_memory_fraction 设置为 0，但未成功。

【参考方案1】：

看看这个question 或这个answer。

总结一下，你可以添加这段代码：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
import tensorflow as tf

只要您安装了 GPU-tensorflow 并且您不想使用任何 GPU，使用 CUDA_VISIBLE_DEVICES 环境变量就是 if not the way 之一。

您想要export CUDA_VISIBLE_DEVICES= 或者使用带有非 GPU 安装的 TensorFlow 的 virtualenv。

【讨论】：

使用后如何重新启用我的 gpu

你找到在 Python 脚本中打开/关闭 TensorFlow GPU 的解决方案了吗？

@GILO 您可以在下次运行脚本时更改为您的 GPU 编号，例如 = "0" 或 "0,1"

所以。从命令行也可以，在启动应用程序之前：export CUDA_VISIBLE_DEVICES=-1

【参考方案2】：

您可以通过打开 GPU 限制为 0 的会话来仅使用 CPU：

sess = tf.Session(config=tf.ConfigProto(device_count='GPU': 0))

更多详情请见https://www.tensorflow.org/api_docs/python/tf/ConfigProto。

证明它适用于@Nicolas：

在 Python 中，编写：

import tensorflow as tf
sess_cpu = tf.Session(config=tf.ConfigProto(device_count='GPU': 0))

然后在终端中：

nvidia-smi

你会看到类似的东西：

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0     24869    C   /.../python                 99MiB                     |
+-----------------------------------------------------------------------------+

然后重复这个过程： 在 Python 中，编写：

import tensorflow as tf
sess_gpu = tf.Session()

然后在终端中：

nvidia-smi

你会看到类似的东西：

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0     25900    C   /.../python                                   5775MiB |
+-----------------------------------------------------------------------------+

【讨论】：

根据github.com/tensorflow/tensorflow/issues/9201 尚不清楚它是否有效。

按照我的理解，目标是避免内存分配。如果是这样的话 - 它会起作用。见上文

据我了解，它确实使用了 GPU，即使它不使用任何内存。我可能错了，但我认为问题是如何在 CPU 上运行 TensorFlow。

@jasekp ?你能澄清目标吗？如果目标类似于使用 cpu 进行测试，同时使用 gpu 上运行的另一个进程进行训练，那么这应该可行