gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
# Restrict TensorFlow to only allocate 22GB of memory on the first GPU
try:
tf.config.experimental.set_virtual_device_configuration(
gpus[0],
[tf.config.experimental.VirtualDeviceConfiguration(memory_limit=22000)])
logical_gpus = tf.config.experimental.list_logical_devices('GPU')
print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
except RuntimeError as e:
# Virtual devices must be set before GPUs have been initialized
print(e)
我真的认为你做不到。Tensorflow rocm是Tensorflow的分支。AMD已经改变了很多,以实现其GPU的兼容性。因此,由于它们是不同的包,所以不能完全运行
对于AMD,您有不同的软件包,Tensorflow需要NVIDIA GPU。 由于新的架构,我在新的NVIDIA GPU中也看到了缓慢的表现。 我建议您使用tf nightly gpu 2.5.0.dev20210126,它将与我的RTX 3090一起使用。您也可以组合两个3090,但不能组合两个3070。您可以查看NVIDIA文档以了解基于SLI的图形卡。此外,您还可以将两个3090与同一品牌配对,这意味着华硕的3090将无法与RTX3090 founders edition连接
运行代码时,请确保调用了tensorflow 2.5
为了加快执行速度,还可以使用分配内存
在这里,由于我使用RTX 3090,我为Tensorflow分配了22GB,在您的情况下,您可以将其更改为8GB
内存限制=8000
您可以参考tensorflow关于GPU调整的文档 https://www.tensorflow.org/guide/gpu
相关问题 更多 >
编程相关推荐