主要介绍了Tensorflow与Keras自适应使用显存方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Tensorflow支持基于cuda内核与cudnn的GPU加速，Keras出现较晚，为Tensorflow的高层框架，由于Keras使用的方便性与很好的延展性，之后更是作为Tensorflow的官方指定第三方支持开源框架。 但两者在使用GPU时都有一个特点，就是默认为全占满模式。在训练的情况下，特别是分步训练时会导致显存溢出，导致程序崩溃。 可以使用自适应配置来调整显存的使用情况。 一、Tensorflow 1、指定显卡 代码中加入 import os os.environ[“CUDA_VI