有些工作站配备了不止一块显卡，比如4路泰坦。TensorFlow会默认使用第0块GPU，而以TensorFlow为Backend的Keras会默认使用全部GPU资源。有时候有多个人需要跑实验，如果一个人占用了全部GPU，其他人就不能跑了。因此需要能够指定使用特定的GPU。
具体地，只需要在主代码的开头插入如下代码，即可指定使用第3块（从0开始计数）GPU。
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "3"
可以使用nvidia-smi来查看GPU占用情况。
有一点需要注意的是，代码中指定的编号与nvidia-smi中显示的编号是相反的，即3、2、1、0分别对应着0、1、2、3。'
转载自：https://blog.csdn.net/u010698086/article/details/77254190