tf.GPUOptions(allocator_type , allow_growth , deferred_deletion_bytes, force_gpu_compatible,
per_process_gpu_memory_fraction , polling_active_delay_usecs, visible_device_list)
allocator_type： str，要使用的 GPU 分配策略的类型。
- ” “，空字符串（默认）使用系统选择的默认值，该默认值可能会随着时间而改变。
- “BFC”，从 dlmalloc（内存分配器） 版本简化的“最适配合并”算法。
allow_growth： bool，如果为 True，则分配器不会预先分配整个指定的 GPU 内存区域，而是从小处开始并根据需要增长。
deferred_deletion_bytes： int64，延迟删除最多这么多字节以减少与 gpu 驱动程序代码的交互次数。 如果为 0，则系统选择一个合理的默认值（几个 MB）。
force_gpu_compatible： bool，强制所有张量为 gpu_compatible。 在启用 GPU 的 TensorFlow 上，启用此选项会强制所有 CPU 张量分配有 Cuda 固定内存。 通常，TensorFlow 会推断应该分配哪些张量作为固定内存。 但是在推理不完整的情况下，只要适合内存，这个选项就可以显著加快跨设备内存复制的性能。 请注意，对于未知或非常大的模型，默认情况下不应启用此选项，因为所有 Cuda 固定内存都是不可分页的，固定内存过多可能会对整体主机系统性能产生负面影响。
per_process_gpu_memory_fraction： double，分配给每个进程的可用 GPU 内存的一部分。 1 表示分配所有 GPU 内存，0.5 表示进程分配高达 ~50% 的可用 GPU 内存。 除非启用了 allow_growth 选项，否则会预先分配 GPU 内存。 如果大于 1.0，则使用 CUDA 统一内存通过将主机内存用作交换空间来潜在的超额使用 GPU 设备上的可用内存量。 访问设备上不可用的内存将明显变慢，因为这需要在主机和设备之间进行内存传输。 在启用此选项之前，应考虑减少内存要求的选项，因为这可能会对性能产生负面影响。 使用统一内存的超额使用需要 Pascal 类或更新的 GPU，目前仅在 Linux 操作系统上受支持。
polling_active_delay_usecs： int32，当时间循环时，队列不为空则在 PollEvents 调用之间休眠设置的这么多微秒。当未设置或者设置为0时，设为非零默认值。
visible_device_list： str，GPU id 的逗号分隔列表，用于确定 GPU 设备的“可见”到“虚拟”映射。例如，如果 TensorFlow 可以在进程中看到 8 个 GPU 设备，并且想要将可见的 GPU 设备 5 和 3 映射为“/device:GPU:0”和“/device:GPU:1”，那么可以指定这个字段为“5,3”。
注：
- GPU 驱动程序以不保证与机器中的物理 GPU id 有任何关联的顺序为进程提供可见 GPU。该字段用于将“可见”重新映射到“虚拟”，这意味着这仅在进程启动后才运行。在调用 TensorFlow 之前，用户需要使用供应商特定的机制（例如 CUDA_VISIBLE_DEVICES）来控制物理到可见设备的映射。
- 在代码中，这个列表中的 id 也称为“平台 GPU id”，GPU 设备的“虚拟”id（即设备名称“/device:GPU:”中的 id）是也称为“TF GPU id”。
文章出处登录后可见！
