在Tensorflow 训练模型时报错提示： 

failed to allocate 3.77G (4046333952 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY: out of memory

虽然会报出显存溢出问题，但不影响正常训练，不过笔者还是想知道这个问题是怎么来的。

废话不多说，先上session初始化的代码

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=1.0)

config = tf.ConfigProto(gpu_options=gpu_options, allow_soft_placement=False, log_device_placement=False)

session = tf.Session(config=config)

per_process_gpu_memory_fraction 代表显卡可用使用的占比，代码中设置为 1 ，代表显卡被100%使用，所以会在训练中报出上述错误提示

现在，修改一下session初始化代码

config = tf.ConfigProto(allow_soft_placement=False, log_device_placement=False) 

config.gpu_options.allow_growth = True 

session = tf.Session(config=config)

在tf.ConfigProto()参数中，删除gpu_options的设定，并且在初始化config后，新增 config.gpu_options.allow_growth = True ，这个选项是让session根据当前显存大小，自动分配显存，不会将显存全部占用，从而确保最大占用比。