我想运行一个在服务器上也使用Tensorflow的Python脚本。当我在没有会话配置的情况下运行它时，进程会分配所有GPU内存，从而阻止任何其他进程访问GPU。服务器规范如下：
浏览 9提问于2017-05-16得票数 1
我有几乎相同的问题已经回答了，但略有不同：config = tf.ConfigProto()
config.gpu_options.allow_growth =急切执行的文档还指出，并不是所有适用于会话的配置</
浏览 0提问于2018-11-03得票数 1
1回答
我正在使用两个配置相同的GPU作为我的高性能GPU计算使用OpenCL。其中一个卡是为显示目的连接的，两个程序compiz和x服务器总是使用大约200-300 MB的内存。我的问题是，当使用这些GPU进行计算时，我只能使用GPU中的部分内存，用于显示目的，而第二个GPU则可以使用整个全局内存。在我的例子中，我使用两个Nvidia Quadro 410，它有192个cuda核，512 MB作为内存，但
浏览 7提问于2016-06-02得票数 0
我的tensorflow分配几乎所有GPU内存(10 GPU或12 GPU)。只有‘导入tensorflow’获得所有的内存，我知道如何配置gpu内存分数在代码中。我知道的方法是添加下面提到的代码gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.2)
sess = tf.Session(conf
浏览 4提问于2017-11-15得票数 0
回答已采纳
我总是听说一个系统上有8个gpus，但现在AMD推出了多达128 pci-e通道的EPYC，plx提供了一种将它乘以"N“的方法，我想知道，除了硬件限制之外，Ubuntu对一个系统中允许的图形卡的数量有什么限制吗？
浏览 0提问于2017-06-01得票数 3
我正在使用Keras，在后端tensorflow上的windows 7与NVIDIA M2000M GPU。当我初始化包含5个GRU、5个Dropout和1个密集层的模型时，GPU的内存使用量跃升到4096 my的3800 my，并一直停留在那里直到我重新启动spyder会话。内存使用量保持在较高的水平。
这样一个模型分配这么多GPU内存是正常的吗？我可以更改什么，以便内存使用可以很好地使用？我想提高训练速度，我认为这种高内存使用率阻碍了GPU
浏览 3提问于2017-07-03得票数 3
回答已采纳
我在Ubuntu的一个四路GTX1070上运行了这个模型，但是当我启动运行该程序的终端时，当我输入python ...py --job_name = "ps“--task_index = 0，四个GPUs子层已满，而我没有打开新的终端来运行worker，问题出在哪里？
浏览 1提问于2017-12-14得票数 0
我正在尝试用Nvidia GPU节点/奴隶来设置Kubernetes。我遵循了的指南，并且能够让节点加入集群。我尝试了下面的kubeadm示例pod：kind: Pod name: gpu-pod containers: extendedResources: resources: nvid
浏览 3提问于2018-08-07得票数 1
回答已采纳
TensorFlow服务可以通过配置--model_config_file命令行参数为多个模型服务。我在小实验中成功地使用了这个特性。然而，当这些模型所需的总内存大于可用的GPU内存时，我不清楚会发生什么。谢谢。
浏览 2提问于2018-10-02得票数 3
回答已采纳
我有一个基于模型的人脸识别模型。我能做什么?我想是因为记忆问题！
浏览 8提问于2018-01-16得票数 3
回答已采纳
我正在使用烧瓶与Gunicorn实现一个人工智能服务器。服务器接收HTTP请求并调用该算法(用py手电筒构建)。计算在nvidia GPU上运行。本机有8 vCPUs，20 GB内存，1 GPU，12 GB内存。具体问题是
如何增加
浏览 5提问于2021-02-09得票数 0
1回答
我试图找出是否有可能使用一个GPU运行Windows，该GPU在所有RDP客户端之间共享，这样人们就可以使用需要GPU加速的UI启动一些程序如果工作负载直接在物理Windows主机上运行，则不需要图形虚拟化；您的应用程序和服务已经可以访问Windows Server中本机支持的GPU功能和API
浏览 0提问于2022-04-06得票数 3
1回答
例如代码：glTexImage2D()：用于将纹理数据传输到服务器端。矩阵数据是否总是驻留在客户端/ CPU访问内存中，并逐个服务器获取每一帧？哪个步骤/函数调用上传数据？它的内存位置是如何指出的？
浏览 0提问于2019-02-22得票数 0
SInce服务器是与其他同事共享的，我想限制我的脚本最多只能使用服务器内存的1/3。为了实现这一点，我做了以下工作：
with tf.Graph().as_default(): gpu_options = tf.GPUOptions(allow_growth=True, per_process_gpu_memory_fraction=gpu_options) with tf.Session(conf=session_conf) as sess:
浏览 0提问于2017-05-26得票数 0
1回答
我有一个Cuda应用程序；在第一次为各种数组分配cuda内存之后，程序循环通过:将数据传输到GPU，在GPU上处理内核，从GPU传输数据。第一个数据集由GPU正确处理并返回。此后，后续数据集生成错误9:无效配置。
因为我没有重新分配内存，所以我不相信我已经没有记忆了。我已经对网格和块尺寸进行了三次检查，它们都在边界内：( 200，0，0)和(720，20,0)。我还应该看什么来理解配置的什么是无效的？
浏览 2提问于2012-08-27得票数 4
我尝试使用BASIC_GPU scale层运行作业，但出现内存不足错误。因此，我尝试使用自定义配置运行它，但我找不到一种只使用1个Nvidia K80和额外内存的方法。所有的示例和预定义选项都使用了大量的GPU、CPU和workers，而我的代码并没有针对此进行优化。我只想要一个GPU和额外的内存。我该怎么做呢？
浏览 1提问于2019-02-13得票数 0
我在COCO2014(输入图像有形状256, 256, 3)上使用tf.data.Dataset运行网络，并将tensorflow会话配置为sess = tf.Session(config=sess_config)sess_config = tf.ConfigProto(intra_op_parallelism_th
浏览 0提问于2019-07-06得票数 1
回答已采纳
执行部分:Conv2D
conda install -c anaconda keras-gpu
tf.test.is_gpu_available()返回True
浏览 0提问于2020-01-24得票数 1
1回答
了解训练后的神经网络内存使用情况
、、、、
理想情况下，我希望将这个RNN的多个实例部署到GPU上。然而，此时，当我用keras.models.load_model()加载模型时，它似乎在使用我可用的12 GPU内存中的11 GPU。问题
我目前对我的网络应该使用多少内存的
浏览 1提问于2017-05-23得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
