tensorflow2.x-gpu代码测试

您好，我是AI助手，很高兴为您服务。

要测试TensorFlow 2.x GPU代码，您需要确保您的计算机上安装了适当的GPU驱动程序和CUDA工具包。然后，您可以使用以下代码片段来测试TensorFlow 2.x GPU支持：

import tensorflow as tf

# 检查GPU是否可用
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

# 创建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='sparse_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()
x_train, x_test = x_train / 255., x_test / 255.

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

# 评估模型
model.evaluate(x_test, y_test, verbose=2)

这个代码片段将检查您的计算机上是否有可用的GPU，并创建一个简单的神经网络模型来训练MNIST数据集。如果您的计算机上有可用的GPU，TensorFlow 2.x将自动使用GPU来加速模型训练和评估。

希望这可以帮助您测试TensorFlow 2.x GPU代码。如果您有任何其他问题，请随时问我。