tensorflow gpu测试代码

以下是一个简单的 TensorFlow GPU 测试代码：

import tensorflow as tf

# 检查是否有可用的 GPU
if not tf.test.gpu_device_name():
    print('No GPU found')
else:
    print('GPU found')

# 定义一个简单的神经网络模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 加载 MNIST 数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 数据预处理
x_train, x_test = x_train / 255., x_test / 255.

# 将标签转换为 one-hot 编码
y_train = tf.keras.utils.to_categorical(y_train, 10)
y_test = tf.keras.utils.to_categorical(y_test, 10)

# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

这个代码会检查是否有可用的 GPU，并使用 TensorFlow 构建一个简单的神经网络模型，然后加载 MNIST 数据集进行训练。如果你的计算机上有可用的 GPU，那么 TensorFlow 会自动使用 GPU 进行训练，从而加速训练过程。