关于tensorflow2如何使用GPU，网上有很多方法，包括但不限于：
方法一：指定某块GPU

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

实际使用中我只能指定CUDA_VISIBLE_DEVICES的参数为“2”，指定其他参数报错。但即便如此，跑代码的时候还是没有用到GPU。
方法二：使用configproto()方法，控制GPU显存使用比例

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.3 
set_session(tf.Session(config=config))

实际操作发现，config是tensorflow1的方法,在tensorflow2中，要想使用这个方法需要找到对应的库，我嫌麻烦就跳过了这个方法，实际效果你们可以自己试试。
方法三：设置 GPU 显存占用为按需分配，增长式
这个方法就是我现在在用的方法，我觉得有用，所以分享一下

# 获取所有 GPU 设备列表
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
	try:
		# 设置 GPU 显存占用为按需分配，增长式
		for gpu in gpus:
			tf.config.experimental.set_memory_growth(gpu, True)
except RuntimeError as e:
	# 异常处理
	print(e)