TensorFlow仅识别GPU 2GB显存，无法调用全部可用内存求助

嘿，我来帮你理清楚这个问题的核心，首先得澄清一个很容易混淆的点：NVIDIA Quadro K620的官方硬件规格就是2GB GDDR3显存，你在NVIDIA控制面板里看到的“10GB可用内存”，大概率是把系统内存（你的总内存是16GB，减去已占用的部分后剩余的）当成了GPU显存，这是很多新手都会犯的小错误。

结合你给出的TensorFlow日志和系统环境，我们一步步分析：

1. 先确认：TensorFlow的识别是准确的 #

从你贴的日志里可以明确看到：

name: Quadro K620 major: 5 minor: 0 memoryClockRate(GHz): 1.124
totalMemory: 2.00GiB freeMemory: 1.77GiB

这完全匹配Quadro K620的官方参数，TensorFlow并没有识别错误——你的GPU本身就只有2GB显存，不是10GB。

2. 为什么会看到“10GB可用内存”？ #

你的Windows任务管理器显示总系统内存是16GB，NVIDIA控制面板里的“可用内存”选项如果是指向系统内存的话，16GB减去系统已占用的6GB左右，就会显示10GB左右的可用空间。这和GPU显存是完全不同的两个概念，GPU显存是GPU专用的内存，和系统内存是分开的。

3. 解决模型内存不足的可行办法 #

既然GPU显存本身只有2GB，要解决运行模型时频繁OOM（内存不足终止）的问题，你可以试试这些方案：

• 缩小模型规模：比如减少网络层数、降低特征图的维度、用更小的卷积核，或者把批量大小（batch size）调小，这是最直接的办法
• 开启显存动态分配：在TensorFlow初始化的时候加上这段代码，让它按需分配显存，而不是一次性占满：

  import tensorflow as tf
  from keras.backend.tensorflow_backend import set_session
  
  config = tf.ConfigProto()
  config.gpu_options.allow_growth = True
  set_session(tf.Session(config=config))
  

• 尝试混合精度训练：如果你的TensorFlow版本支持，可以开启FP16混合精度，这样能大幅减少显存占用（不过要注意数值精度的问题）
• 更换更大显存的GPU：如果你的模型实在没法缩小，那就只能考虑换个显存更大的专业GPU了，比如Quadro P2000（5GB）或者更高规格的型号

另外，日志里提到的AVX2警告不用太在意，它只是说你的CPU支持AVX2指令集，但你用的TensorFlow二进制包没编译这个指令集，只会稍微影响CPU的运算效率，不会对显存识别或者GPU运行造成影响。

内容的提问来源于stack exchange，提问作者Ryoryo