网上大多的教程是说tensorflow的版本过高，或者说cuda和cudnn的版本不对，需要降级，但这样会很麻烦！！！

以下值得推荐！！！

解决方法一：在代码前加上下面的代码

from tensorflow.compat.v1 import ConfigProto

from tensorflow.compat.v1 import InteractiveSession

config = ConfigProto()

config.gpu_options.allow_growth = True

session = InteractiveSession(config=config)

解决方法二：添加下面两行

import os

os.environ['CUDA_VISIBLE_DEVICES'] = '/gpu:0'

或者

添加

import os

os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"

os.environ['CUDA_VISIBLE_DEVICES'] = "0,1"//选择哪一块gpu,如果是-1，就是调用cpu

config = tf.ConfigProto()//对session进行参数配置

config.allow_soft_placement=True ： 如果你指定的设备不存在，允许TF自动分配设备

config.gpu_options.per_process_gpu_memory_fraction=0.7//分配百分之七十的显存给程序使用，避免内存溢出，可以自己调整

config.gpu_options.allow_growth = True//按需分配显存，这个比较重要

session = tf.Session(config=config)

解决方法三：TensorFlow GPU版出现ResourceExhaustedError：OOM错误的问题

一是、将图片尺寸改小，小到占用的内存比显存。

二是、不使用GPU进行预测，只使用CPU预测，因为一般CPU内存要大于显存的。但装的又是GPU版的TensorFlow，所以需要在预测程序进行更改。

程序在前两行加入下面代码：

import os

os.environ[``"CUDA_VISIBLE_DEVICES"``] = ""

引号里填的是GPU的序号，不填的时候代表不使用GPU。