Keras 是一个高层神经网络API，Keras是由纯Python编写而成并基于TensorFlow，Theano以及CNTK后端。Keras为支持快速实验而生，能够将我们的idea迅速转换为结果。好了不吹了，下面继续学习Keras的一些用法，其中这篇博客包括了Keras如何指定显卡且限制显存用量，还有一些常见函数的用法及其问题，最后是使用Keras进行的练习。
Keras如何指定显卡且限制显存用量Keras在使用GPU的时候有个特点，就是默认全部占满显存。若单核GPU也无所谓，若是服务器GPU较多，性能较好，全部沾满就太浪费了。
于是有以下五种情况：
1，指定GPU
2，使用固定显存的GPU
3，指定GPU+固定显存
4，GPU动态增长
5，CPU充分占用
6，tf.keras 使用多 GPU
1，固定 GPU 的显存本节来自：深度学习 tehano/tensorflow 多显卡多人使用问题集（参见：Limit the resource usage for tensorflow backend · Issue #1538 · fchollet/keras · GitHub）
在使用keras时候会出现总是占满 GPU 显存的情况，可以通过重设 backend 的GPU占用情况来进行调节
import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 set_session(tf.Session(config=config))