Tensorflow指定GPU运行
今天发现使用GPU来训练，死活都报内存不足，后来想到可否只使用CPU来训练，而我已经装了tensorflow-gpu版，不想重新配置环境。
事实发现是可行的，只需要如下代码：
import os
# os.environ['CUDA_DEVICE_ORDER'] = 'PCI_BUS_ID'
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
CUDA_VISIBLE_DEVICES变量实际上是指定tensorflow可见的GPU编号，指定为-1即所有不可见（只使用CPU）。同样可以指定为0（唯一一个GPU）、'0, 1'、等等。
还有一种办法，实际上报内存不足是因为我只有一张GPU，而Chrome和Desktop是会用到GPU的，只需要设置动态分配内存和分配内存上限即可（tensorflow默认是预分配所有内存）。
config = tf.ConfigProto() # Create new config
config.gpu_options.allow_growth = True # Set memory allocating dynamically
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # Set maximum memory allocation to 90%
tf.Session(config=config).close() # Run Session() one time to convey config into tf