使用gpu版的tensorflow时出现OOM错误(显存溢出错误)： CUDA out of memory的解决办法。

gpu版的tensorflow 在执行过程中会默认使用全部的 GPU 内存，给系统保留 200 M，这样容易造成显存溢出，因此我们可以使用如下语句指定 GPU 内存的分配空间：

下面以我自己的电脑为例，进行相关设置。因为我的电脑的显存是6G，所以我可以设置tensorflow程序运行时所占用的显存不能超过6G，这里限制在4G大小。

import tensorflow as tf
#限制消耗固定大小的显存（程序不会超出限定的显存大小，若超出的报错）。
physical_gpus = tf.config.list_physical_devices("GPU")
tf.config.experimental.set_virtual_device_configuration(
    physical_gpus[0], #对0号gpu进行限制
    [tf.config.experimental.VirtualDeviceConfiguration(memory_limit=4000)] 
)
logical_gpus = tf.config.list_logical_devices("GPU")
# 注：memory_limit是限制显存大小，我显卡6G，这里设置的4000MB

另外需要特别注意的是，如果在执行上述代码时出现如下报错信息：
RuntimeError: Virtual devices cannot be modified after being initialized
则需要重新启动一下电脑，然后重新执行上述代码就可以了。