tensorflow代码怎么用GPU加速

要在tensorflow中使用GPU加速，需要确保您的计算机具有支持GPU的硬件，并且已经安装了适当的GPU驱动程序和CUDA库。如果您还没有安装这些库，请先安装它们。然后，您需要安装tensorflow-gpu版本。

在安装完tensorflow-gpu之后，使用以下代码将您的tensorflow模型放在GPU上运行：

import tensorflow as tf

# 创建一个会话并将其分配给GPU
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

# 构建模型
# ...

# 训练模型
# ...

# 关闭会话
session.close()

在代码中，我们首先创建一个配置对象，然后将其传递给一个新的tensorflow会话。该配置对象包含有关如何分配GPU内存的信息。在此示例中，我们将`allow_growth`设置为True，以便tensorflow可以在需要时自动增加GPU内存分配。

然后，我们构建和训练我们的模型，最后关闭会话以释放GPU资源。

此外，您还可以使用`with tf.device('/gpu:0'):`语句将特定的操作放在GPU上运行：

import tensorflow as tf

# 创建一个会话并将其分配给GPU
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

# 构建模型
with tf.device('/gpu:0'):
    # ...

# 训练模型
# ...

# 关闭会话
session.close()

在这个例子中，我们使用`with tf.device('/gpu:0'):`语句将模型的构建操作分配给GPU 0。其他操作将继续在CPU上运行，除非您明确将它们分配给GPU。