我目前正在使用cuda 9.0运行tensorflow-gpu 1.8 . 当我训练下面的模型时，我注意到我的CPU使用率为99％，但我的特斯拉M60使用率为0％ .

导入张量流为tf

tf.test.gpu_device_name()

def train(tfidf_matrix, num_clusters):
    # Convert sparse matrix to dense matrix
    points = tfidf_matrix.todense()

    tf.device('/gpu:0')

    def input_fn():
        return tf.train.limit_epochs(tf.convert_to_tensor(points, dtype=tf.float32), num_epochs=1)

    kmeans = tf.contrib.factorization.KMeansClustering(num_clusters=num_clusters, use_mini_batch=False)
    num_iterations = 100

    kmeans.train(input_fn=input_fn, steps=num_iterations)
    print('score:', kmeans.score(input_fn))

    # map the input points to their clusters
    cluster_indices = list(kmeans.predict_cluster_index(input_fn))

    return kmeans, cluster_indices

我似乎无法让模型在gpu上运行 . 我试过这样做：

with tf.device('/gpu:0'):
    kmeans.train(input_fn)

但它仍然在cpu上运行 . 当我运行tf.test.gpu_device_name（）时，我得到了这个

`2018-07-18 15：28：47.105452：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：1392]找到具有属性的设备0：名称：Tesla M60 major：5 minor：2 memoryClockRate（GHz）：1.1775 pciBusID：0000：00：1e.0 totalMemory：7.44GiB freeMemory：7.12GiB 2018-07-18 15：28：47.105846：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：1471]添加可见的gpu设备：0 2018-07-18 15：28：47.852029：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：952]具有强度1边缘矩阵的设备互连StreamExecutor：2018-07-18 15：28：47.852268：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：958] 0 2018-07-18 15：28：47.852440：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：971 ] 0：N 2018-07-18 15：28：47.852859：我c：\ users \ user \ source \ repos \ tensorflow \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：1084] Crea Ted TensorFlow设备（/设备：GPU：0，内存为6874 MB） - >物理GPU（设备：0，名称：Tesla M60，pci总线ID：0000：00：1e.0，计算能力：5.2

python tensorflow