tensorflow
TensorFlow GPUセットアップ

前書き

備考

`CUDA_VISIBLE_DEVICES`環境変数を使用して、CPU上でのみTensorFlowを実行してください。

GPUバージョンTensorFlowプロセスがCPU上でのみ実行されるようにするには：

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

CUDA_VISIBLE_DEVICES詳細については、この回答またはCUDAのドキュメントを参照してください 。

CPU上でTensorFlow Graphを実行する - `tf.config`を使用する

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

このメソッドは、TensorFlowグラフがGPUを使用するのを防ぎますが、TensorFlowは、このメソッドで開かれたこの問題で説明されているように、GPUデバイスをロックします。 CUDA_VISIBLE_DEVICESを使用することは、TensorFlowがGPUカードから遠ざけられるようにするための最良の方法です（この回答を参照）。

特定のGPUデバイスを使用する

特定のGPUデバイスセットを使用するには、 CUDA_VISIBLE_DEVICES環境変数を使用できます。

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"]="0" # Will use only the first GPU device


os.environ["CUDA_VISIBLE_DEVICES"]="0,3" # Will use only the first and the fourth GPU devices

（この回答から引用、CUDA環境変数の詳細はこちら ）

ローカルプロセスでTensorFlowが利用可能なデバイスを一覧表示します。

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

GPUのメモリ割り当てを制御する

デフォルトでは、TensorFlowはGPUカードのメモリ全体を事前に割り当てます（ CUDA_OUT_OF_MEMORY警告が発生する可能性がCUDA_OUT_OF_MEMORYます）。

これを変更するには、

• per_process_gpu_memory_fraction設定オプションを使用して、あらかじめ割り当てられているメモリの割合を変更し、

  0と1の間の値。
  利用可能なGPUメモリを各プロセスにあらかじめ割り当てることができます。 1は意味する
  すべてのGPUメモリを事前に割り当てるには、0.5はプロセスを意味します
  使用可能なGPUメモリの約50％を割り当てます。

• allow_growth設定オプションを使用して、事前割り当てを無効にします。メモリ使用量は、使用量が増えるにつれて増加します。

  trueの場合、アロケータは指定された全体を事前に割り当てません
  代わりにGPUメモリ領域を小さくして、必要に応じて成長させてください。

例えば：

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.4
sess = tf.Session(config=config) as sess:

または

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

ここでの設定オプションの詳細。