今天头一次使用TensorFlow2.0的GPU版本进行训练，训练中遇到【CUDA_ERROR_OUT_OF_MEMORY out of memory】，于是百度各种解决办法，基本能查到的都是TensorFlow1.0的用法，但此方法在TensorFlow2.0中不适用。于是经过多方查找，终于找到设置方法，在此进行记录，一是方便日后回看，二是弥补百度中各种查不到。

• TensorFlow1.0用法

• from keras import backend as K
  
  config = tf.ConfigProto()
  
  config.gpu_options.allow_growth = True
  
  sess = tf.Session(config=config)
  
  K.set_session(sess)

   

• TensorFlow2.0用法

• physical_devices = tf.config.experimental.list_physical_devices('GPU')
  
  if len(physical_devices) > 0:
  
  for k in range(len(physical_devices)):
  
  tf.config.experimental.set_memory_growth(physical_devices[k], True)
  
  print('memory growth:', tf.config.experimental.get_memory_growth(physical_devices[k]))
  
  else:
  
  print("Not enough GPU hardware devices available")