tensorflow如何指定gpu运行还是cpu运行

tf里面有个函数tf.device()主要用来指定运行设备的。
在TensorFlow中，如果你安装的TensorFlow版本是GPU版本的，并且你的电脑配置符合gpu运行的条件，那么系统就默认使用gpu进行训练，不用单独去指明用GPU。

但是有时候我们在配置的GPU环境下想要去利用cpu去处理某个模块的运算，又该如何去做呢？

这个时候就可以用到tf.device()来对运行设备进行指定，例如:

如果需要切换成CPU运算，可以调用tf.device(device_name)函数，其中device_name格式如/cpu:0其中的0表示设备号，TF不区分CPU的设备号，设置为0即可。GPU区分设备号/gpu:0和/gpu:1表示两张不同的显卡。

在一些情况下，我们即使是在GPU下跑模型，也会将部分Tensor储存在内存里，因为这个Tensor可能太大了，显存不够放，相比于显存，内存一般大多了，于是这个时候就常常人为指定为CPU设备。这种形式我们在一些代码中能见到。如：

 with tf.device('/cpu:0'):
      tf.app.run()

这句话就是实现我在运行下面函数的时候使用的cpu去运算。tf.app.run() 是函数入口，类似于c++中的main()

run() 函数的运作计制是：先加载flags的参数项，然后执行main() 函数，其中参数使用tf.app.flags.FLAGS定义。

import tensorflow as tf

# 定义参数
#  第一个是参数名称，   第二个参数是默认值，   第三个是参数描述
tf.app.flags.DEFINE_string('string', 'myname', 'The type of  myname is string')
tf.app.flags.DEFINE_integer('image_size', 32, 'The size of image')

FLAGS = tf.app.flags.FlAGS

# 定义主函数
# 需要传递参数
def main(argv):
	print('string: ', FLAGS.string)
	print('image_size: ' , FLAGS.image_size)


if __name__ = '__main__':
	tf.app.run()