这个问题与如何让Keras使用Theano来利用多个GPU相关，但我的需求不是使用多个GPU，而是想指定特定的模型在哪个GPU上训练或运行。

我的nvidia-smi输出如下所示：

+------------------------------------------------------+                       | NVIDIA-SMI 361.42     Driver Version: 361.42         |                       |-------------------------------+----------------------+----------------------+| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC || Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. ||===============================+======================+======================||   0  Tesla K80           Off  | 0000:03:00.0     Off |                    0 || N/A   38C    P0    60W / 149W |  11354MiB / 11519MiB |      0%      Default |+-------------------------------+----------------------+----------------------+|   1  Tesla K80           Off  | 0000:04:00.0     Off |                    0 || N/A   37C    P0    71W / 149W |    224MiB / 11519MiB |      0%      Default |+-------------------------------+----------------------+----------------------+|   2  GeForce GTX 750 Ti  Off  | 0000:06:00.0      On |                  N/A || 40%   29C    P8     1W /  38W |    120MiB /  2047MiB |      0%      Default |+-------------------------------+----------------------+----------------------+

当然，这是在没有运行任何程序时的输出。我的问题是，我不确定如何在Keras中指定使用哪个GPU。当然，在TensorFlow中我们可以使用with tf.device('/cpu:1'):这种方式，但我不知道这如何与Keras集成。

谢谢！

回答：

除了在你的keras.json文件中指定tensorflow作为后端之外，你还可以通过环境变量CUDA_VISIBLE_DEVICES来限制使用的GPU数量和/或使用特定的GPU（http://acceleware.com/blog/cudavisibledevices-masking-gpus）。在这里你可以指定使用哪个GPU。