tensorflow显存占用控制

0x01 问题描述 Tensorflow使用时默认占满所有显卡所有的显存,在公用计算机上导致一个用户使用tensorflow,其他用户没法使用.尤其是使用jupyter notebook时更甚,因为用户常常忘记关进程,导致GPU显存资源不能释放,出现GPU使用率为0,但显存占满的情况. 0x02 解决方案 # 设置可见GPU gpu_no = '0' # or '1' os.environ["CUDA_VISIBLE_DEVICES"] = gpu_no #定义TensorFlow配置 config = tf.ConfigProto() #配置GPU内存分配方式 config.gpu_options.allow_growth = True config.gpu_options.per_process_gpu_memory_fraction = 0.4 with tf.Session(config=config, ...)) as sess: pass 0x03 对比实验 原创文章,转载请注明: 转载自张哲的博客本文链接地址: tensorflow显存占用控制

numpy.unravel_index理解

np.unravel_index 参考: http://blog.csdn.net/dn_mug/article/details/70256109 https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.unravel_index.html numpy.unravel_index(indices, dims, order='C') >>> np.unravel_index([22, 41, 37], (7,6)) (array([3, 6, 6]), array([4, 5, 1])) >>> np.unravel_index([31, 41, 13], (7,6), order='F') (array([3, 6, 6]), array([4, 5, 1])) >>> np.unravel_index(1621, (6,7,8,9)) (3, 1, 4, 1) 功能: 假设将数组flatten,那么flattened的数组的索引为indices(可以是多个 […]