スパコンITO のサブシステムB（ITO-B）には GPU が搭載されています．ITO-B で TensorFlow を実行する方法を紹介します．GPU を使うためにバッチ処理が必要となります．そのため，Jupyterではなく，Pythonコードとして実行する必要があります．
スパコンITOのフロントエンドにおいて，TensorFlow を実行する手順はこちらの記事で紹介しました．手順はフロントエンドの場合と共通する部分が多いですが，ITO-Bでのバッチ処理の方が簡単です．
以下の手順はすべてスパコンITO のログインノードで行います．

TensorFlow のインストール

Minicondaで構築した Python の base 環境を前提とします．anaconda channel で仮想環境を構築し，anaconda channel で tensorflow-gpu パッケージをインストールします．この経緯はこちらの記事を参照ください．
こちらの記事で整備した Miniconda を用い，新しい仮想環境 tf を用意して，インストール作業を進めます．

$ conda create -c anaconda -n tf
$ conda activate tf
$ conda install -c anaconda tensorflow-gpu

ログインノードでは GPU が使用できないため，この段階で動作確認はできません．

バッチ処理スクリプトの作成

バッチ処理については公式サイトを参照ください．GPU の load を含む環境の整備やPythonコードの実行方法を含む bash script を作成します．以下は GPU を1つ使用する場合の，bash script ito_b.sh です．矢印部分 ← 以降はコメントですので，実際は削除してください．リソースグループは公式サイトを参照して決めます．

ito_b.sh

# !/bin/bash
# PJM -L "rscunit=ito-b"          ← ITO-B を指定       
# PJM -L "rscgrp=ito-g-1"       ← リソースグループ指定
# PJM -L "vnode=1"          ← 使用するノード数を指定
# PJM -L "vnode-core=9"          ← ノード当たりのコア数を指定
# PJM -L "elapse=12:00:00"          ← 最大の計算時間の指定（12時間を指定）
# PJM -X          ← ログインノードの環境変数をバッチ処理でも引き継ぐ指定

source ~/.bashrc     # ← MinicondaがPythonの設定を.bashrcに書き込んでおり，これを読み込みます
module load cuda/10.1     # ← GPU を使用するため，CUDA 10.1 を load します
module list     # ← CUDA が load されたことを確認します
conda activate tf     # ← 仮想環境 tf に入ります
conda info -e     # ← 仮想環境 tf に入ったことを確認します

python ann_experiments.py     # ← Pythonコードを実行します
conda deactivate     # ← 仮想環境から抜けます

バッチ処理はログインノードの環境を（環境変数以外は）引き継ぎませんので，CUDA の load や Python 環境の構築が必要になります．ログインノードで tf 仮想環境に入る必要はありません．この例では Python コードと ito_b.sh は同一ディレクトリに存在していることを前提としています．

バッチジョブの投入

作成したバッチ処理スクリプト ito_b.sh をバッチジョブとしてバッチ処理システムに投入します．

$ pjsub ito_b.sh

後は処理が終わるまで待つだけですので，ログアウトして構いません．
ジョブの状況を確認するには以下のようにします．

$ pjstat

バッチジョブが終わると，標準出力および標準エラー出力が，それぞれ ito_b.sh.o0000000 および ito_b.sh.e0000000 のようなファイル名で出力されます．ファイル名はバッチ処理スクリプト名に加え，oまたはeと7桁の数字で構成されています．標準出力ファイルが大きくなりすぎないよう，注意が必要です．