说明： 只要配置好GPU的驱动和cuda以及cudnn等工具，程序执行默认先使用GPU，如果不能执行再使用CPU。
方法1：下载gpu-Z，然后运行tensorflow一个训练，然后打开gpu-z，看到load等数据百分比，变大就是在用了。 GPU-Z简介：
硬件网站TechPowerUp现在又提供了一个类似的工具，用于显卡识别的GPU-Z。GPU-Z是一款显卡测试的比较专业的软件。绿色免安装，界面直观，运行后即可显示GPU核心，以及运行频率、带宽等，如同CPU-Z一样，这也是款必备工具
GPU-Z功能：
检查设备名称，制造商，芯片类型，DAC类型，和显存情况。
检查 DirectDraw 功能， Direct3D 功能 AGP纹理加速，以及显卡各种详细预算能力等等。
并且可以详细检查显卡温度，风扇转速等信息
官网：www.techpowerup.com/downloads/S…
简要介绍其各个属性的意义： Name(显卡名称): 显示操作系统中显示的设备名称。此名称是在图像驱动程序中定义的，可被修改。此名称并不是可靠的标识。 GPU(显示芯片): 显示GPU的公司内部代号，也可以用于区分性能高低。 Revision(修正版号): 显示GPU生产商定义的版本号。指同一款显示芯片的小改版信息，通常会随更新修正一些Bug。 Technology(工艺): 显示GPU的生产工艺。较小的数值通常代表着芯片面积较小，并且发热量较低。 Die Size(芯片面积)：显示GPU硅芯片的面积。 Release Date(推出日期): 显示此显卡的官方发布日期。 Transistors(晶体管数量): 显示此图像处理器中物理存在的晶体管数量。 BIOS Version(BIOS Version): 显示此图形卡BIOS的版本号。 Subvendor(子供应商ID): 显示此设备的子销售商ID。子销售商ID是由PCI-SIG分发的，并应该唯一标识每个公司。但是，很多扩展板销售商在BIOS中为此项输入0000，因此该卡不能被进一步识别。 Device ID(设备ID): 显示此设备的PCI销售商和设备。 ROPS/TMUs(光栅运算器与材质映射器): 显示此设备的光栅处理单元的数量。数量越多图像卡的速度就越快。 Bus Interface(显卡传输接口): 显示此设备的系统总线接口以及其带宽配置。节能特性可能会影响此项显示的结果。 Shaders(显示核心数量): 显示此图像卡的渲染器数量以及其类型。更多并不一定更好，它与GPU销售商采用的架构有关。在同一销售商和同一代的产品间，渲染器更多就更好。 DirectX Support(DirectX支持): 显示此显卡值的DirectX和Shader Model版本。 Pixel Fillrate(像素填充率): 显示每秒能渲染到屏幕的像素数量。1GPixel=十亿像素。 Texture Fillrate(纹理填充率): 显示每秒能够处理的纹理元素数量。1GTexel=十亿纹理元素。 Memory Type(内存类型): 显示此图形卡的显存类型和世代。与主板上安装的系统内存相对。 Memory Size(内存大小): 显示此图形设备的总显存大小。 Bus Width(内存信道宽度): 显示GPU和显存之间的接口宽度。在同一代显存之间更高的数值代表更好的性能。 Bandwidth(内存带宽): 显示GPU和显存之间有效的内存带宽。 Driver Version(驱动程序版本): 显示当前安装的图像驱动版本以及操作系统的版本。 GPU Clock(核心时脉): 显示此图形设备当前设置全部运行下GPU时钟频率。而后方的Memory Clock(内存时脉)是内存运作时脉设置值，Boost代表自动超频的显示芯片时脉设置值。 Default Clock(缺省时脉): 显示此图形设备的未超频的默认GPU时钟频率。一样分为显示芯片与内存等部分。 NVIDIA SLI(多卡串联): 显示是否启用了多GPU技术，例如NVIDIA SLI或者ATI交火。如果启用了多GPU技术，显示多少颗GPU在同时工作。 Computing(计算技术): 显示是否支持OpenCL、CUDA、DirectCompute、DirectML等异质运算技术。
方法2,：安装nvidia-smi，配置好路径，在cmd里输入 nvidia-smi，看显示出来的信息。这个方法我没有试过，但是据说在linux和Windows下都有用。
方法3：通过tensorflow本身api函数进行查看
import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
输出
/device:GPU:0
- GPU是否可用
# 返回True或者False
tf.test.is_gpu_available()
from tensorflow.python.client import device_lib
# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
# print(local_device_protos)
# 只打印GPU设备
[print(x) for x in local_device_protos if x.device_type == 'GPU']
输出如下
name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 9292310119
locality {
bus_id: 1
links {
}
}
incarnation: 1788714284653564190
physical_device_desc: "device: 0, name: GeForce GTX 1080 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1"
参考网址：
