要在TensorFlow中使用GPU進行訓練，首先需要確保你的計算機上已經安裝了適當的GPU驅動程序和CUDA工具包。接下來，你需要安裝TensorFlow的GPU版本。你可以通過以下命令來安裝TensorFlow的GPU版本：

pip install tensorflow-gpu

安裝完成后，你可以通過以下代碼來檢查TensorFlow是否能夠正確識別你的GPU：

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

如果輸出結果為大于0的數字，則表示TensorFlow已經成功識別你的GPU。接下來，你可以在你的代碼中使用tf.device來指定在GPU上運行相應的操作，例如：

import tensorflow as tf

# 指定在GPU上運行
with tf.device('/GPU:0'):
    model = tf.keras.Sequential([
        tf.keras.layers.Dense(512, activation='relu', input_shape=(784,)),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Dense(10)
    ])

在訓練模型時，TensorFlow會自動將計算流圖中的操作分配到GPU上執行。如果你希望在多個GPU上并行訓練模型，可以使用tf.distribute.Strategy來實現。例如，你可以使用tf.distribute.MirroredStrategy來在多個GPU上并行訓練模型：

import tensorflow as tf

strategy = tf.distribute.MirroredStrategy()
with strategy.scope():
    model = tf.keras.Sequential([
        tf.keras.layers.Dense(512, activation='relu', input_shape=(784,)),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Dense(10)
    ])

以上是使用TensorFlow進行GPU訓練的基本步驟和示例代碼。希望對你有所幫助！