要使用不依赖compat.v1的TensorFlow GPU，可以按照以下步骤进行设置：

1. 安装正确版本的TensorFlow：确保你安装的是与你的GPU兼容的TensorFlow版本。你可以在TensorFlow的官方网站上找到支持GPU的版本。

2. 设置CUDA环境变量：将CUDA的路径添加到系统的环境变量中。CUDA是用于GPU加速的并行计算平台。你需要确保在你的系统中安装了适当的CUDA版本，并将其路径添加到环境变量中。

3. 设置cuDNN环境变量：cuDNN是一个用于深度神经网络的GPU加速库。类似地，你需要确保你安装了与TensorFlow兼容的cuDNN版本，并将其路径添加到环境变量中。

4. 使用GPU设备：在你的TensorFlow代码中，使用tf.config.experimental.set_visible_devices函数来指定使用GPU设备。以下是一个示例代码：

import tensorflow as tf

# 设置可见的设备为GPU
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
    try:
        # 只使用第一个GPU设备
        tf.config.experimental.set_visible_devices(gpus[0], 'GPU')
        # 设置GPU内存增长以避免内存错误
        tf.config.experimental.set_memory_growth(gpus[0], True)
        print("GPU设备已设置")
    except RuntimeError as e:
        print(e)

在这个示例中，我们使用tf.config.experimental.list_physical_devices函数获取所有可见的物理设备。然后，我们选择第一个GPU设备，并使用tf.config.experimental.set_visible_devices函数将其设置为可见设备。最后，我们使用tf.config.experimental.set_memory_growth函数设置GPU内存增长，以避免内存错误。

请注意，这只是一个示例，你可以根据你的需求进行相应的修改和调整。

这样，你就可以使用不依赖compat.v1的TensorFlow GPU了。记得在运行代码之前，确保你已经正确地设置了CUDA和cuDNN的环境变量，并且安装了与TensorFlow兼容的版本。