我的机器上有2个GPU。

通常，其中一个用于生产环境（即使用已训练的模型进行预测），而另一个用于训练和实验新模型。

当我使用Theano时，通过指定一个标志，我可以轻松地让我的脚本仅在一个GPU上运行，如下所示

THEANO_FLAGS="device=cuda0" training_script.pyTHEANO_FLAGS="device=cuda1" prediction_script.py

在使用Keras和TensorFlow后端时，有没有一种简单的方法可以做到同样的事情？默认行为似乎会为一个会话映射所有GPU的所有内存

（请注意，我并不在意每个脚本是否单独映射整个GPU，即使它们可以使用更少的内存）

回答：

你可以轻松选择一个GPU。只需在CUDA_VISIBLE_DEVICES中填写0或1

import osos.environ["CUDA_VISIBLE_DEVICES"]="1"

此外，如果你想为上述选择的GPU指定一部分GPU内存，请添加以下代码：

from keras import backend as Kimport tensorflow as tfconfig = tf.ConfigProto()config.gpu_options.per_process_gpu_memory_fraction = 0.4 #使用GPU的比例session = tf.Session(config=config)K.set_session(session)