换了一台RTX2060的电脑之后，用tensorflow做实验发现没有使用GPU，那我换电脑就没有意义了。然后百度发现tensorflow-gpu才是使用GPU来运算的。于是又花了三个多小时来下载安装，为啥比CPU的复杂这么多，唉~。终于安装成功之后，运行程序的时候又报错，也就是本文这个错误，查阅资料后发现解决方法，于是记录一下。

这是GPU内存的问题
tensorflow

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

keras

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
keras.backend.tensorflow_backend.set_session(tf.Session(config=config))

或者

config = tf.compat.v1.ConfigProto(allow_soft_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.3
tf.compat.v1.keras.backend.set_session(tf.compat.v1.Session(config=config))

详细解析

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)
##或者
with tf.Session(config=config) as sess: