深度学习 CNN 吃 VRAM答案

【问题标题】：Deep learning CNN eating VRAM深度学习 CNN 吃 VRAM
【发布时间】：2020-01-31 11:51:46
【问题描述】：

我最近开始构建自己的小型深度学习平台，配备 ryzen 5 3600 处理器、32gb 内存，GPU 是具有 8gp VRam 的 RTX 2080 SUPER

当使用 TensorFlow 使用 CNN（这是我的大部分工作）时，我发现大部分 VRam 几乎立即被吃掉（7.8gb 使用了 7.8gb），而 GPU 利用率约为 35%

我已安装最新的驱动程序并运行 CUDA v 10.0 以与 tesnofrflow v2 兼容

这对于处理图像的 CNN 来说是正常的吗？我应该投资更多的 VRam 而不是更快的 GPU（一个多 GPU 系统，有几个用过的 1080 Ti 或 2060 超级卡）

想法？

【问题讨论】：

为什么要限制tensorflow使用的VRAM？

标签： tensorflow deep-learning neural-network conv-neural-network

【解决方案1】：

占用GPU的不是你的CNN，是Tensorflow。默认情况下，Tensorflow 会在您的代码运行之前占用所有可用的 GPU 内存，即使该内存不是必需的。

您可以使用以下代码 sn-p (GPU 0, TF2.*) 使 Tensorflow 只占用所需的内存：

import tensorflow as tf
gpu_devices = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(gpu_devices[0], True)

set_memory_growth 选项可防止 Tensorflow 保留所有内存。

【讨论】：