tensorflow的显存占用机制

即使你用tensorflow或者keras跑一个非常简单的模型，你也会发现你的显存全被占完了，这和tensorflow的显存占用机制有关。

tensorflow默认就是占用所有显存的（会给你留下一点点保证系统正常运行），按谷歌的说法是占用所有显存有利于程度调度，使得数据尽量储存在连续的显存块上，从而加快计算速度。

然后我就勉强打个文明了，打dota2都偶尔能花贴图（1080p分辨率下）。

不过谷歌也给了解决办法：

告诉tensorflow不要一次性占用所有显存，而是按序申请：

os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true'

config = tf.ConfigProto()
config.gpu_options.allow_growth = True

以上是两种不同的写法，第一种比较新。注意，这种写法只是让tensorflow按序申请新显存，它并不会释放老显存，谷歌的说法是这样会造成显存碎片。

或是强制只允许占用一定百分比的显存：

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5  # 允许占用50%

这种声明会让tensorflow在一次性分配显存时最大分配到这么多的显存，但并不会限制tensorflow继续申请新显存，换而言之如果tensorflow发现自己需要更多的显存，程序将会突破这个上限（毕竟哪个炼丹的会嫌显存够用呢？）