tensorflow在电脑的gpu和cpu上均可运行：
-
"/cpu:0"：机器的 CPU。
-
"/device:GPU:0"：机器的 GPU（如果有一个）。
-
"/device:GPU:1"：机器的第二个 GPU（以此类推）。
当想要知道指令和张量在哪个设备上运行时，可以这样设置session：
sess = tf.Session(config=tf.ConfigProto(log_device_placemnet=True))
手动分配设备
with tf.device('/cpu:0'):
...
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
当使用GPU时，需要设置允许GPU增加内存，有两种设置方式：
（1）设置allow_grouth，根据运行时的需要来分配GPU内存
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config,...)
（2）设置per_process_gpu_memory_fraction,可以设置 GPU 应分配到的内存占总内存量的比例，如分配40%
sess = tf.Session(config=tf.ConfigProto(gpu_options.per_process_gpu_memory_fraction=0.4))
当指定设备运行时，为防止指定设备不存在，可以设置allow_soft_placement为true，这样tensorflow会选择现有的设备来运行程序。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
如果安装的是GPU版本的tensorflow，机器上有支持的GPU，也正确安装了显卡驱动、CUDA和cuDNN，默认情况下，Session会在GPU上运行，若要强制使用CPU，参考https://blog.csdn.net/silent56_th/article/details/72628606
