享受 Tensorflow with GPU

Octopus@501 有三张NVIDIA GPU，可以通过 nvidia-smi 查看。第一张GPU，编号奇怪。它是用于显示的GPU，能力极差，无法带动 Tensorflow(TF)。所以，在运行TF的时候，需要指明GPU。

如果你安装的是 tensorflow 而不是 tensorflow-gpu，请忽略本文

• 进入装有tensroflow-gpu的环境

source activate

• 让当前环境可以看到指定的GPU，在python代码的开头，应该包含这样的语句

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "1,2" #这里使用了两个K80

• 动态调用GPU。我们人多GPU少，所以需要动态调用GPU

config = tf.ConfigProto()
config.gpu_options.allow_growth=True
with tf.Session(config=config) as sess:
    各种操作xxxxxxx
sess.close() #一定要close，释放掉GPU资源！！！！！！

注意：这里有问题。即使按照上面方式编写程序，仍然无法释放GPU资源，在Jupyter环境下。你是否有思路？请在下面回复

附：http://blog.csdn.net/lxg0807/article/details/76094042