目录 如何指定GPU训练模型 举个例子 如果要指定多块 GPU 如何指定GPU训练模型 Linux 查看当前服务器 GPU 的占用情况可以使用 nvidia-smi 命令，如下所示： nvidia-smi 关于 nvidia-smi 命令输出的
目录
- 如何指定GPU训练模型
- 举个例子
- 如果要指定多块 GPU
如何指定GPU训练模型
Linux 查看当前服务器 GPU 的占用情况可以使用 nvidia-smi 命令，如下所示：
nvidia-smi
关于 nvidia-smi 命令输出的详细解释，可参考笔者的另外一篇文章：GPU状态监测 nvidia-smi 命令详解。
在此不再赘述，本文主要分享一下在用 TensorFlow 训练模型时如何指定 GPU。
在用 TensorFlow 训练深度学习模型的时候，若无手动指定，默认是选用第0块来训练，而且其他几块 GPU 也会被显示占用。
有时候，我们更希望可以自己指定一块或者多块 GPU 来训练模型，接下来介绍一种常用的也是比较有效的方法：
举个例子
如果要指定只用第0块 GPU 训练，可以在 python 代码中如下指定：
import os os.environ['CUDA_VISIBLE_DEVICES']='0'
运行 python 程序后，可发现就只有第0块 GPU 显示被占用，如上图所示。
如果要指定多块 GPU
可以如下：
os.environ['CUDA_VISIBLE_DEVICES']='1,2'
当然，上述这种方法不太方便，每次运行若换用 GPU 训练都需要改代码，可以在运行 python 程序的时候进行指定：
CUDA_VISIBLE_DEVICES=0 python textCnn.py
以上为个人经验，希望能给大家一个参考，也希望大家多多支持自由互联。