前提：
1.安装好tensorflow的gpu版本及其对应CUDA
2.有GPU
1.指定某一块或多块gpu运行
方法一：
# 指定第二块gpu
CUDA_VISIBLE_DEVICES=1 python {xxx}.py
方法二：
export CUDA_VISIBLE_DEVICES=1
python {xxx}.py
方法三：
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"
参数参考：
| Environment Variable Syntax | Results |
|---|---|
| CUDA_VISIBLE_DEVICES=1 | Only device 1 will be seen |
| CUDA_VISIBLE_DEVICES=0,1 | Devices 0 and 1 will be visible |
| CUDA_VISIBLE_DEVICES="0,1" | Same as above, quotation marks are optional |
| CUDA_VISIBLE_DEVICES=0,2,3 | Devices 0, 2, 3 will be visible; device 1 is masked |
| CUDA_VISIBLE_DEVICES="" | No GPU will be visible |
2.配置gpu显存使用率
方法一：通过配置Session的运行参数配置gpu的使用
# 通过配置Session的运行参数配置gpu的使用
config = tf.ConfigProto(allow_soft_placement=True, allow_soft_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%显存
sess = tf.Session(config=config）
参数参考：
| Syntax | Results |
|---|---|
| tf.ConfigProto(log_device_placement=True) | 记录设备指派情况 |
| tf.ConfigProto(allow_soft_placement=True） | 自动选择一个运行设备 |
| config.gpu_options.allow_growth = True | 动态申请显存 |
| config.gpu_options.per_process_gpu_memory_fraction = 0.4 | 限制GPU使用率 |
