如何在tensorflow中获取当前可用的GPU？

在 TensorFlow 中，您可以使用 tf.config.experimental.list_physical_devices 方法来检查系统中可用的设备，包括 GPU。这个方法返回的是一个设备列表，您可以进一步检查这些设备是否为 GPU。

以下是一个如何在 TensorFlow 中获取当前可用 GPU 的示例步骤：

1. 导入必要的库： 首先，需要导入 TensorFlow 库。如果您还没有安装 TensorFlow，可以通过 pip 安装它。

   python
   import tensorflow as tf

2. 列出所有物理设备： 使用 tf.config.experimental.list_physical_devices 方法列出所有物理设备。

   python
   devices = tf.config.experimental.list_physical_devices()
   print("All devices:", devices)

3. 过滤出 GPU 设备： 可以通过检查设备类型来过滤出 GPU 设备。

   python
   gpus = tf.config.experimental.list_physical_devices('GPU')
   print("Available GPUs:", gpus)

如果运行上面的代码并且系统中有可用的 GPU，那么它会打印出 GPU 设备的列表。如果没有 GPU，列表将会为空。

例如，在我自己的开发环境中，使用上述代码检查可用的 GPU，输出结果可能如下：

shell
All devices: [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'), PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
Available GPUs: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

这表明我的系统中有一个 CPU 和一个 GPU 设备，且 GPU 是可用的。

这个功能对于在具有多个 GPU 的机器上进行分布式训练非常有用，因为它允许程序动态地发现和利用可用的 GPU。