要在GPU上加速TFLearn的訓練，首先需要確保你的電腦上有合適的GPU和安裝了CUDA和cuDNN。接著，在你的代碼中，你可以通過設置gpu參數來指定使用GPU進行訓練。比如：
import tflearn
# 定義模型
net = tflearn.input_data(shape=[None, 784])
net = tflearn.fully_connected(net, 64)
net = tflearn.fully_connected(net, 10, activation='softmax')
# 定義模型參數
model = tflearn.DNN(net, gpu=0)
# 訓練模型
model.fit(X, Y, n_epoch=10, batch_size=128, show_metric=True)
在上面的代碼中，gpu=0表示使用第一個GPU進行訓練。如果你有多個GPU，你可以設置gpu='0,1'來同時使用多個GPU進行訓練。另外，你也可以使用gpu_memory_fraction參數來限制GPU的內存使用量，以防止內存溢出。
