要使用GPU加速Python代码，你可以采取以下几种方法：
使用支持GPU的库
例如TensorFlow和PyTorch等深度学习框架，它们能够自动使用GPU进行计算加速。
设置环境变量
通过设置环境变量`CUDA_VISIBLE_DEVICES`来指定使用哪个GPU设备。
如果你的电脑有多块GPU，需要将参数的数字转换成逗号分隔的字符串，例如`CUDA_VISIBLE_DEVICES="0,1"`。
如果只有一块GPU，直接设置数字`CUDA_VISIBLE_DEVICES="0"`。
调用函数
可以定义一个函数来设置GPU设备，例如`set_gpus`函数，可以传入一个整数或列表来指定多个GPU。
使用其他库
如Numba、CUDA、PyCUDA等，它们提供了与GPU直接通信的功能，允许Python代码利用GPU进行加速。
检查显卡和CUDA版本
确保你的显卡支持GPU加速，并且安装了正确版本的CUDA。
示例代码
使用Numba的GPU加速示例代码如下：
from numba import cuda@cuda.jitdef gpu（）:print（'threadIdx:', cuda.threadIdx.x）if __name__ == '__main__':gpu[2, 4]（）
确保在运行Python程序之前，已经正确安装了相应的GPU驱动和CUDA工具包，并且你的环境变量设置正确。