keras.model在gpu运行

要让Keras模型在GPU上运行，需要确保以下几点：

1. 安装了GPU版本的TensorFlow或其他支持GPU的深度学习框架。
2. 在Keras中指定使用GPU作为计算设备。可以通过以下代码实现：

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session

# 在GPU上分配一部分显存
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.5
set_session(tf.Session(config=config))

# 定义模型
model = Sequential()
...

# 编译模型
model.compile(...)

在这个例子中，我们使用TensorFlow的`ConfigProto`类来配置GPU选项。我们将`per_process_gpu_memory_fraction`设置为0.5，表示我们将在GPU上分配一半的显存。

然后，我们将TensorFlow会话的配置传递给Keras的`set_session`函数。这将确保Keras使用正确的TensorFlow会话。

最后，我们定义和编译模型就像平常一样。Keras会自动使用GPU来加速计算。