怎么设置TensorFlow自动分配设备

#初始化信息，
#如果指定的设备不存在，允许TensorFlow自动分配设备
# init session
# 1.记录设备指派情况: tf.ConfigProto(log_device_placement=True)
# 设置tf.ConfigProto()
# 中参数log_device_placement = True, 可以获取到operations和Tensor
# 被指派到哪个设备(几号CPU或几号GPU)上运行, 会在终端打印出各项操作是在哪个设备上运行的。
# 2.自动选择运行设备 ： tf.ConfigProto(allow_soft_placement=True)
# 在tf中，通过命令"with tf.device(’/cpu:0’):", 允许手动设置操作运行的设备。如果手动设置的设备不存在或者不可用，
# 就会导致tf程序等待或异常，为了防止这种情况，可以设置tf.ConfigProto()
# 中参数allow_soft_placement = True，允许tf自动选择一个存在并且可用的设备来运行操作。
# 3.限制GPU资源使用：
# 为了加快运行效率，TensorFlow在初始化时会尝试分配所有可用的GPU显存资源给自己，这在多人使用的服务器上工作就会导致GPU占用，
# 别人无法使用GPU工作的情况。tf提供了两种控制GPU资源使用的方法，一是让TensorFlow在运行过程中动态申请显存，需要多少就申请多少;
# 第二种方式就是限制GPU的使用率。
config = tf.ConfigProto(allow_soft_placement=True)
sess = tf.Session(config=config)