使用tensorflow，如果不加设置，即使是很小的模型也会占用整块GPU，造成资源浪费。

所以我们需要设置，使程序按需使用GPU。

具体设置方法：

gpu_options = tf.GPUOptions(allow_growth=True)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
# sess = tf.InteractiveSession(config=tf.ConfigProto(gpu_options=gpu_options))

gpu_no = '' # or '1'
os.environ["CUDA_VISIBLE_DEVICES"] = gpu_no

# 定义TensorFlow配置
config = tf.ConfigProto()

# 配置GPU内存分配方式，按需增长，很关键
config.gpu_options.allow_growth = True

# 配置可使用的显存比例
config.gpu_options.per_process_gpu_memory_fraction = 0.1

# 在创建session的时候把config作为参数传进去
sess = tf.InteractiveSession(config = config)

gpu_options = tf.GPUOptions(allow_growth=True)
# sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

with tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) as sess:

说明：使用jupyter notebook,如果没有上述设置，整个GPU会一直被占用；使用pycharm，虽然GPU不会被一直占用，但是运行时还是会占用整个GPU，所以也需要上述设置。