GPU設定的方法有兩種：

1、使用Python指定GPU

（1）在使用之前，首先要檢視GPU的佔用情況，使用命令：nvidia-smi。

左側的0,1,2,3的編號代表GPU的編號，在後面設定GPU時會用到。可以看出1卡和2卡是處於佔用狀態，使用的時候，就可以使用0卡和3卡。

Note：檢視正在執行的Python程序時，使用命令：ps -aux|grep python。

（2）指定GPU

import os
###顯示卡設定
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

Note：表示使用0卡。但是對於測試模型而言，佔用的記憶體就不及訓練那麼大，此時便可以通過設定佔用卡的空間大小來節約記憶體。

（3）設定定量的GPU

import os
###顯示卡設定
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
###設定佔用卡空間的大小
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.3
set_session(tf.Session(config=config))

Note：0.3表示佔用GPU30%的記憶體。

（4）設定最小的GPU使用量；

import os
###顯示卡設定
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
###設定最小的GPU使用量
config = tf.ConfigProto() 
config.gpu_options.allow_growth = True 
session = tf.Session(config=config)