为tensorflow指定GPU，原因是，默认创建session时，会将所有显存占满，发现有人在用的时候，就会session不能创建而报错。
首先nvidia-smi查看显卡的编号，最左边一列，看看哪个空的

1.在终端设置使用的GPU

如果用方法一，虽然方便，但有的时候还是需要指定其他的GPU，这时可以这样，例如

CUDA_VISIBLE_DEVICES=2 python test.py

这样就只会使用序号为2的GPU

2.在程序中指定使用的GPU

import os

os.environ["CUDA_VISIBLE_DEVICES"]=‘2’

3.No dashboards are active for the current data set. 解决tensorboard无法启动（can not create session）和显示问题(no dashboards)

CUDA_VISIBLE_DEVICES=3 tensorboard --host=1.1.1.1 --port=6666 --logdir="/data1/wangning/tutorials/tensorflowTUT/tf14_tensorboard/

host是你自己的主机ip,port是你可以指定tensorboard的端口号，logdir要记得写绝对路径，不然总出现no dashboard错误

这里仅做一下小记录，请忽略，以防清华镜像不稳定。
linux，GPU， py2.7

pip install \
  -i https://pypi.tuna.tsinghua.edu.cn/simple/ \
  https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl

config = tf.ConfigProto(allow_soft_placement=True)

最多占gpu资源的70%

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)

开始不会给tensorflow全部gpu资源 而是按需增加

config.gpu_options.allow_growth = True
sess = tf.Session(config=config)