tensorflow1使用gpu跑模型

要使用GPU跑TensorFlow模型，需要先安装CUDA和cuDNN，并且确保TensorFlow版本与CUDA和cuDNN版本兼容。然后在代码中指定使用GPU进行计算即可。

以下是一些具体的步骤：

1. 安装CUDA和cuDNN

首先需要安装CUDA和cuDNN，可以从NVIDIA官网下载对应版本的安装包进行安装。需要注意的是，不同版本的TensorFlow需要使用不同版本的CUDA和cuDNN，需要根据TensorFlow版本选择对应的CUDA和cuDNN版本。

2. 安装TensorFlow

可以使用pip安装TensorFlow，安装命令如下：

pip install tensorflow-gpu

需要注意的是，这里安装的是TensorFlow GPU版本，如果要安装CPU版本，需要将命令中的`tensorflow-gpu`改为`tensorflow`。

3. 指定使用GPU

在代码中指定使用GPU进行计算，可以使用以下代码：

import tensorflow as tf

# 指定使用第一块GPU进行计算
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
    try:
        tf.config.experimental.set_visible_devices(gpus[0], 'GPU')
        tf.config.experimental.set_memory_growth(gpus[0], True)
    except RuntimeError as e:
        print(e)

这里使用了TensorFlow的`config`模块来指定使用GPU进行计算。`list_physical_devices`函数可以获取所有可用的物理设备，包括CPU和GPU。`set_visible_devices`函数可以指定使用哪些设备进行计算，这里指定使用第一块GPU进行计算。`set_memory_growth`函数可以动态分配GPU内存，避免一次性占用过多内存导致程序崩溃。