Python 将keras后端从tensorflow cpu更改为gpu

keras tensorflow cpu后端和tensorflow gpu后端之间（在代码上）有差异吗？如果我想将tensorflow从cpu更改为gpu，我需要添加哪些代码，或者需要设置哪些环境变量

据我所知，我可以使用

tf.devices

——类似下面的代码。但是如果我想要整个代码，而不仅仅是在GPU上运行的一部分，该怎么办

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on GPU:0

with tf.device('/cpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on CPU:0

---

只需卸载

tensorflow cpu

（

pip卸载tensorflow

）并安装

tensorflow gpu

（

pip安装tensorflow gpu

）。现在tensorflow将始终使用您的gpu

如果您只想在tensorflow gpu中使用cpu，请设置环境变量

CUDA_VISIBLE_DEVICES

，使gpu不可见。在加载tensorflow之前，请在脚本中执行以下操作：

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