各位同学，最近在项目解惑过程中有许多同学因为电脑硬件GPU或tf版本问题遇到过此类问题。
问题报错
即在设置TensorFlow设置GPU运行时报错：list index out of range。报错信息，见下图：
遇到此类问题比较多的主要是使用的TensorFlow2.X以上版本的项目如：
解决方案
在遇到此类问题时，主要可能原因是：
情况一：有GPU未设置对序号
GPU序号设置的不正确，每个同学电脑的GPU不一定是相同的，如博主的GPU为0，大家可以打开自己的任务管理器查看，如下：
如遇到此类问题我们先检查我们GPU是否可用：
# 查看GPU是否可用
print(tf.test.is_gpu_available())
如返回值为True我们再查看GPU的序号，代码如下：
# 获取可用GPU
gpus = tf.config.experimental.list_physical_devices('GPU')
print(gpus)
此处我们根据返回的GPU序号对GPU进行设置，代码如下：
# 此处设置GPU序号
my_idx = 0
# 对需要进行限制的GPU进行设置
tf.config.experimental.set_virtual_device_configuration(gpus[my_idx ],[tf.config.experimental.VirtualDeviceConfiguration(memory_limit=gpu_memory)])
二、情况二：无GPU
在我们执行以下代码后：
# 查看GPU是否可用
print(tf.test.is_gpu_available())
如返回值为False，可能我们没有GPU或者没有配置正确CUDA或CUDNN环境，此时我们只能使用CPU跑模型。
当然有GPU有余力的小伙伴还是百度搞通GPU运行，这里就不在赘述了，此类情况复杂需要多调试。
我们需要将系统环境设置为CPU进行运行，因此我们需要注释掉或删除以下代码，不然会报错：
#-------------------设置显存占用率-----------------
gpus = tf.config.experimental.list_physical_devices('GPU')
# 对需要进行限制的GPU进行设置
tf.config.experimental.set_virtual_device_configuration(gpus[0],[tf.config.experimental.VirtualDeviceConfiguration(memory_limit=gpu_memory)])
# 查看GPU是否可用
print(tf.test.is_gpu_available())
删除上述代码后我们设置TensorFlow使用CPU进行运行，在要执行的Python文件首加上下面的代码即可：
import os
os.environ["CUDA_VISIBLE_DEVICES"]="-1"
至此我们整个代码可以正常运行了。
博主专注python、深度学习、机器学习相关毕设，点击头像关注博主，博主目前已经整理数十个常见的毕设，课程设计项目有兴趣的同学可以进主页进行浏览，下方附上博主的主页链接。
