tensorflow-gpu2.0测试代码

TensorFlow-GPU 2.0是一个针对GPU优化的深度学习框架，它提供了一个强大的环境来进行机器学习和人工智能项目。测试代码通常是用来验证TensorFlow在GPU上的兼容性和性能。以下是一个简单的示例，展示如何使用TensorFlow 2.0进行GPU设备的检测和基本操作的测试：

import tensorflow as tf

# 检查GPU是否可用
if tf.test.gpu_device_name() != '': 
    print('GPU found')
else:
    print("No GPU found")

# 创建一个简单的计算，用GPU运行
config = tf.ConfigProto(log_device_placement=True) # 显示设备分配
config.gpu_options.allow_growth = True # 动态分配GPU内存

with tf.device('/device:GPU:0'): # 假设只有一个GPU
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], dtype=tf.float32)
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], dtype=tf.float32)
    c = tf.matmul(a, b)

# 运行计算
with tf.Session(config=config) as sess:
    result = sess.run(c)
    print(result)