防止keras佔滿GPU顯存-keras-yolo

import os
import numpy as np
import keras.backend as K
from keras.layers import Input, Lambda
from keras.models import Model
from keras.optimizers import Adam
from keras.callbacks import TensorBoard, ModelCheckpoint, ReduceLROnPlateau, EarlyStopping
# 指定那幾塊GPU是對於本程序可見的 其實有沒有都沒有什麼區別 tensor默認佔用全部的
# 一般用在忽略哪塊GPU 多GPU只能用一塊那種任務
from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
from yolo3.utils import get_random_data
# 多Gpu訓練
from keras.utils import multi_gpu_model
import keras.backend.tensorflow_backend as KTF
import tensorflow as tf

os.environ["CUDA_VISIBLE_DEVICES"] = "1"

def _main():
    # 訓練前記得修改yolov3.cfg和model_data/voc_class.txt
    annotation_path = '1.14/train/label1.txt' # 這裏是要的由VOC生成的txt，裏面包括image地址和框和種類 需修改
    log_dir = '1.14/weights/' # 是存放生成好的新的weights的
    classes_path = '1.14/train/classes.txt' # 這個我只標記了4類，所以要修改，原來voc是有20類的
    anchors_path = '1.14/train/anchors.txt' # 這裏的anchor暫時先不修改(最好從新kmean算anchors)
    class_names = get_classes(classes_path)
    num_classes = len(class_names)
    anchors = get_anchors(anchors_path)

    # 修改大小，按照圖片最小的邊來修改
    input_shape = (544,960) # multiple of 32, hw 這裏是否需要修改

    config = tf.ConfigProto()
    config.gpu_options.allow_growth=True   #不全部佔滿顯存, 按需分配
    sess = tf.Session(config=config)

    KTF.set_session(sess)

    is_tiny_version = len(anchors)==6 # default setting
    if is_tiny_version:
        model = create_tiny_model(input_shape, anchors, num_classes,
            freeze_body=2, weights_path='model_data/tiny_yolo_weights.h5')
    else:
        # 這裏要修改，這裏的權重是基礎權重，在這個基礎上繼續訓練
        model = create_model(input_shape, anchors, num_classes,
            freeze_body=2, weights_path='12.5/weigths/dog_detect_544x960.h5') # make sure you know what you freeze