使用PYTHON 调用tensorflow的GPU的一般方法如下：
physical_devices = tf.config.experimental.list_physical_devices(‘GPU’)
tf.config.experimental.set_memory_growth(physical_devices[0], True)
但这样有个问题，当主机有多个GPU时，会抛出一个错误，大致意思是不能使用不同GPU的显存。遇到这个问题，在百度上找到大多数的解决方法是，在这段代码之前加入如下：
os.environ[‘CUDA_VISIBLE_DEVICES’]=’0′
这样，代码是能正常运行了，但这样会有另一个问题，就是主机上明明有两个甚至更多的GPU，但程序只能使用其中一个运行，这大大浪费了主机的机能。之后，阅读了外国的社区和网站，看到遇到同样问题的技术人员的回复和解决方法，终于找到了最好的解决方法。修改GPU调用的代码如下：
例如有两个GPU
os.environ[‘CUDA_VISIBLE_DEVICES’]=’0,1′
physical_devices = tf.config.experimental.list_physical_devices(‘GPU’)
for gpu_instance in physical_devices:
tf.config.experimental.set_memory_growth(gpu_instance,True)
经测试，这样就可以同一个程序同时使用多个GPU处理了。