tensorflow 使用GPU

TensorFlow可以使用GPU来加速计算，提高训练速度。下面是使用TensorFlow使用GPU的步骤：

1. 安装CUDA和cuDNN：CUDA是NVIDIA提供的GPU并行计算平台，cuDNN是用于深度学习的GPU加速库，需要先安装它们。具体安装方法可以参考官方文档。

2. 安装TensorFlow-GPU：使用GPU时需要安装TensorFlow-GPU版本，可以通过pip进行安装，命令为：

   pip install tensorflow-gpu

3. 配置GPU环境变量：在使用GPU时，需要将环境变量`CUDA_VISIBLE_DEVICES`设置为所使用GPU的编号（从0开始），表示只使用这个GPU进行计算，可以在Python代码中使用`os.environ`设置该环境变量。

4. 将TensorFlow代码放到GPU上运行：在使用TensorFlow时，需要将计算图和数据都放到GPU上进行计算。可以使用`with tf.device('/gpu:0'):`将代码放到GPU上运行。如果有多个GPU，可以使用`with tf.device('/gpu:1'):`等来分别指定使用哪个GPU进行计算。

5. 启用GPU内存增长：默认情况下，TensorFlow会占用所有可用的GPU内存。可以使用`config.gpu_options.allow_growth = True`启用GPU内存增长，即TensorFlow会根据需要动态地申请GPU内存。

通过以上步骤，就可以在TensorFlow中使用GPU进行加速计算了。