求助：TensorFlow 2.2.0不使用compat.v1的GPU调用代码语法

没问题！在TensorFlow 2.2.0里，不用compat.v1的话，GPU显存控制的写法和v1版本完全不同，我给你对应替代方案：

1. 替代per_process_gpu_memory_fraction的固定显存分配写法 #

如果你想和之前一样，固定占用GPU总显存的30%，可以用虚拟设备配置的方式实现：

import tensorflow as tf

# 获取系统中的物理GPU设备
gpus = tf.config.list_physical_devices('GPU')

if gpus:
    # 对目标GPU设置显存限制（这里以第一个GPU为例）
    # memory_limit的单位是MB，比如你的GPU总显存是10GB，30%就是3072MB
    tf.config.experimental.set_virtual_device_configuration(
        gpus[0],
        [tf.config.experimental.VirtualDeviceConfiguration(memory_limit=3072)]
    )
    print("GPU显存限制已设置为30%")

2. 更推荐的动态显存分配方式 #

TF2.x更推荐让框架按需分配显存（用多少占多少），这种方式不会浪费显存资源，写法更简单：

import tensorflow as tf

gpus = tf.config.list_physical_devices('GPU')

if gpus:
    for gpu in gpus:
        # 开启动态显存增长
        tf.config.experimental.set_memory_growth(gpu, True)
    print("已开启GPU动态显存分配")

注意事项 #

• 这些配置代码必须放在所有TensorFlow操作的最开头，否则可能不生效
• TF2.x默认启用Eager Execution，不需要再手动创建tf.Session来管理GPU资源

你之前使用compat.v1的代码：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.3)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

内容的提问来源于stack exchange，提问作者max2p