keras在TensorFlow-GPU和CPU中来回切换，以及GPU显存不足的缓解方式（切换原因：GPU显存实在不足）

由于我的GPU比较次，所以在遇到批量比较大或者输入图片分辨率较高时，我的GPU就顶不住了。

可以通过命令nvidia-smi查看显存使用情况（2002摸一下就用完了。。。）这时候只能放弃速度切换CPU版本了。

1.遇到显存不足的原因在切换CPU之前可以先尝试：

import tensorflow as tf
config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True))
sess = tf.compat.v1.Session(config=config)

2.切换CPU方式：

因为如果两个版本安装正确的话，默认是使用GPU的。如果查看是否安装成功或者遇到报错可以参考这篇博客（keras上运行Tensorflow-gpu的艰难历程（最新版,更新中）_新手村霸的博客-CSDN博客_tensorflow和keras版本匹配）

从GPU切换为CPU只需要在程序开始之前（或者keras第一个运行）输入如下代码：

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"  
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"