diff --git a/source/_posts/Tensorflow中的GPU配置及内存分配.md b/source/_posts/Tensorflow中的GPU配置及内存分配.md
index 0ecdff87..9ea89c31 100644
--- a/source/_posts/Tensorflow中的GPU配置及内存分配.md
+++ b/source/_posts/Tensorflow中的GPU配置及内存分配.md
@@ -30,7 +30,95 @@ nvidia-sim简称NVSMI，提供监控GPU使用情况和更改GPU状态的功能
 更详细的介绍：https://blog.csdn.net/C_chuxin/article/details/82993350
 
 CMD中输入:
-```
+
+```plant
 nvidia-smi
 ```
 
+![图 2](../images/5bc51343e21394d4f82ce4a63916e4af7df2acf0be93a444928e300bd564a089.png)  
+
+- GPU：本机中的GPU编号（有多块显卡的时候，从0开始编号）图上GPU的编号是：0
+
+- Fan：风扇转速（0%-100%），N/A表示没有风扇
+
+- Name：GPU类型，图上GPU的类型是：Tesla T4
+
+- Temp：GPU的温度（GPU温度过高会导致GPU的频率下降）
+
+- Perf：GPU的性能状态，从P0（最大性能）到P12（最小性能），图上是：P0
+
+- Persistence-M：持续模式的状态，持续模式虽然耗能大，但是在新的GPU应用启动时花费的时间更少，图上显示的是：off
+
+- Pwr：Usager/Cap：能耗表示，Usage：用了多少，Cap总共多少
+
+- Bus-Id：GPU总线相关显示，domain：bus：device.function
+
+- Disp.A：Display Active ，表示GPU的显示是否初始化
+
+- Memory-Usage：显存使用率
+
+- Volatile GPU-Util：GPU使用率
+
+- Uncorr. ECC：关于ECC的东西，是否开启错误检查和纠正技术，0/disabled,1/enabled
+
+- Compute M：计算模式，0/DEFAULT,1/EXCLUSIVE_PROCESS,2/PROHIBITED
+
+- Processes：显示每个进程占用的显存使用率、进程号、占用的哪个GPU
+
+隔几秒刷新一下显存状态：nvidia-smi -l 秒数 
+
+隔两秒刷新一下GPU的状态：nvidia-smi -l 2
+
+## tensorflow的显卡使用方式
+
+### 1、直接使用
+
+这种方式会把当前机器上所有的显卡的剩余显存基本都占用，注意是机器上所有显卡的剩余显存。
+
+```python
+with tf.compat.v1.Session() as sess:
+    # 输入图片为256x256，2个分类
+    shape, classes = (224, 224, 3), 20
+    # 调用keras的ResNet50模型
+    model = keras.applications.resnet50.ResNet50(input_shape = shape, weights=None, classes=classes)
+    model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
+
+    # 训练模型 categorical_crossentropy sparse_categorical_crossentropy
+    # training = model.fit(train_x, train_y, epochs=50, batch_size=10)
+    model.fit(train_x,train_y,validation_data=(test_x, test_y), epochs=20, batch_size=6,verbose=2)
+    # # 把训练好的模型保存到文件
+    model.save('resnet_model_dog_n_face.h5')
+```
+
+### 2、分配比例使用
+
+```python
+from tensorflow.compat.v1 import ConfigProto# tf 2.x的写法
+config =ConfigProto()
+config.gpu_options.per_process_gpu_memory_fraction=0.6
+with tf.compat.v1.Session(config=config) as sess:
+     model = keras.applications.resnet50.ResNet50(input_shape = shape, weights=None, classes=classes)
+```
+
+### 3. 动态申请使用
+
+**这种方式是动态申请显存的，只会申请内存，不会释放内存。而且如果别人的程序把剩余显卡全部占了，就会报错。**
+
+```python
+config = tf.compat.v1.ConfigProto()
+config.gpu_options.allow_growth = True
+session = tf.compat.v1.InteractiveSession(config=config)
+with tf.compat.v1.Session(config=config) as sess:
+     model
+```
+
+### 4 指定GPU
+
+在有多块GPU的服务器上运行tensorflow的时候，如果使用python编程，则可指定GPU，代码如下：
+
+```python
+import os
+os.environ["CUDA_VISIBLE_DEVICES"] = "2"
+```
+
+> 未完待续...  
diff --git a/source/images/5bc51343e21394d4f82ce4a63916e4af7df2acf0be93a444928e300bd564a089.png b/source/images/5bc51343e21394d4f82ce4a63916e4af7df2acf0be93a444928e300bd564a089.png
new file mode 100644
index 00000000..16359686
Binary files /dev/null and b/source/images/5bc51343e21394d4f82ce4a63916e4af7df2acf0be93a444928e300bd564a089.png differ