问题描述
我在装有 Tesla P100 卡的机器上使用 TF2 research object detection API。当我启动 model_main_tf2.py 脚本时，我可以通过 nvidia-smi 看到 Python 训练过程使用了所有 16 GB 的 GPU 内存 - 这很好。我还可以看到 GPU 的温度上升，所以它肯定在做很多计算。同样基于训练脚本的输出 TF2 似乎正确地找到了我的 GPU。
但是，当查看 nvidia-smi 的输出时，“Processes”列表（输出的最后一行）中的 GPU 利用率始终保持在 0，就好像 GPU 根本不工作一样。
那么 TF 训练是使用我的 GPU 而 nvidia-smi 的输出不正确，还是正确但 TF 训练不使用我的 GPU？如果是后者，那么为什么 GPU 会升温并且所有 GPU 内存都被 Python 训练过程使用？那么如何强制 TF 对象检测训练使用我的 GPU？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）