TensorFlow1升TensorFlow2

参考：https://www.tensorflow.org/guide/migrate?hl=zh-cn

  1. import tensorflow.compat.v1 as tf
  2. tf.disable_v2_behavior()

cuda版本

Tensorflow与cuda版本的对应关系
Linux/MacOS: https://www.tensorflow.org/install/source?hl=zh-cn#linux
Windows: https://www.tensorflow.org/install/source_windows?hl=zh-cn
显卡驱动版本和cuda版本的对应关系
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

3060只支持cuda11以上的版本

显存

默认情况下tensorflow的显卡只能跑一个程序，如果需要跑多个程序，需要指定per_process_gpu_memory_fraction设置占用多少显存，或者设置allow_growth=True不要一下占满显存
参考：https://www.jianshu.com/p/99fca5b7fd8a

  1. # 指定GPU
  2. os.environ['CUDA_VISIBLE_DEVICES'] = '0'
  4. # 设置allow_growth，不要一下占满显存
  5. configuration = tf.ConfigProto()
  6. configuration.gpu_options.allow_growth = True                # 需要多少用多少，但是不会释放显存，会造成内存碎片
  7. configuration.gpu_options.allow_soft_placement=True            # 如果你指定的设备不存在，允许TF自动分配设备
  8. sess = tf.Session(config=configuration)
  10. # 设置per_process_gpu_memory_fraction，占用显存的比例
  11. gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction = 0.7)    # 只使用70%的显存
  12. config = tf.ConfigProto(gpu_options = gpu_options)
  13. config.gpu_options.allow_soft_placement=True                        # 如果你指定的设备不存在，允许TF自动分配设备
  14. sess = tf.Session(config = config,....)

打印网络结构

summary_writer = tf.summary.FileWriter('./log/', sess.graph)
然后在shell中tensorboard --logdir=log --host=127.0.0.1