在tensorflow中，默认指定占用所有的GPU，如需指定占用的GPU，可以在命令行中：

export CUDA_VISIBLE_DEVICES=1

这样便是只占用1号GPU，通过命令

nvidia-smi

可以查看各个GPU的使用情况。

另外，也可以在python程序中指定GPU，并且动态分配memory，代码如下

import osimport sysos.environ['CUDA_VISIBLE_DEVICES'] = sys.argv[1]import tensorflow as tffrom keras.backend.tensorflow_backend import set_sessionconfig = tf.ConfigProto()config.gpu_options.allow_growth = Trueset_session(tf.Session(config=config))

这样，占用的GPU就是sys.argv[1]了，并且会按需分配memory。

以上这篇tensorflow指定GPU与动态分配GPU memory设置就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。