要在Python程序中启用GPU加速，您需要确保您的计算机上安装了支持GPU的显卡驱动程序和CUDA工具包。然后，您可以使用支持GPU的Python库，如TensorFlow和PyTorch，来编写和运行GPU加速的代码。以下是使用TensorFlow和PyTorch启用GPU加速的基本步骤：
使用TensorFlow启用GPU加速
1. 安装支持GPU的TensorFlow版本。
2. 检查GPU是否可用。
import tensorflow as tfprint（"GPU可用：", str（tf.test.is_gpu_available（）））
3. 设置环境变量以使用GPU。
在单个GPU上进行计算tf.config.set_visible_devices（'/gpu:0', 'GPU'）设置GPU内存增长模式，按需分配内存tf.config.experimental.set_memory_growth（tf.config.list_physical_devices（'GPU'）, True）
4. 在需要使用GPU加速的代码块中执行计算任务。
使用PyTorch启用GPU加速
1. 安装支持GPU的PyTorch版本。
2. 检查GPU是否可用。
import torchprint（"GPU可用：", str（torch.cuda.is_available（）））
3. 设置环境变量以使用GPU。
在单个GPU上进行计算os.environ['CUDA_VISIBLE_DEVICES'] = '0'
4. 在需要使用GPU加速的代码块中执行计算任务。
注意事项
如果您的电脑有多块GPU，您需要使用`CUDA_VISIBLE_DEVICES`环境变量来指定要使用的GPU设备。
对于命令行运行，您可以使用`CUDA_VISIBLE_DEVICES=0 python filename.py`命令来指定使用特定的GPU。
如果您使用的是Jupyter Notebook或其他IDE，环境变量的设置可能会有所不同。
请根据您的具体需求和环境调整上述步骤。