如何在tensorflow会话中只使用一个GPU？

在tensorflow会话中只使用一个GPU，可以通过以下步骤实现：

1. 检查系统中的可用GPU数量：使用tf.config.list_physical_devices('GPU')来列出系统中所有可用的GPU设备。
2. 设置CUDA_VISIBLE_DEVICES环境变量：在代码执行之前，可以使用os.environ["CUDA_VISIBLE_DEVICES"] = "0"来指定只使用索引为0的GPU设备。这将限制tensorflow只在该GPU上运行。
3. 配置tensorflow会话：在创建tensorflow会话之前，可以使用tf.config.experimental.set_visible_devices方法来指定可见的GPU设备。例如，tf.config.experimental.set_visible_devices(tf.config.list_physical_devices('GPU')[0], 'GPU')表示只使用索引为0的GPU设备。
4. 指定GPU内存使用量：如果希望限制tensorflow在GPU上的内存使用量，可以使用tf.config.experimental.set_memory_growth方法。例如，tf.config.experimental.set_memory_growth(tf.config.list_physical_devices('GPU')[0], True)表示允许tensorflow根据需要动态分配内存。

示例代码如下：

import os
import tensorflow as tf

# 设置CUDA_VISIBLE_DEVICES环境变量
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

# 配置tensorflow会话
tf.config.experimental.set_visible_devices(tf.config.list_physical_devices('GPU')[0], 'GPU')
tf.config.experimental.set_memory_growth(tf.config.list_physical_devices('GPU')[0], True)

# 在此之后创建tensorflow会话并执行相关操作

以上方法可以确保tensorflow会话只在指定的一个GPU设备上运行。如果系统中有多个GPU设备，并且想要在不同的会话中使用不同的GPU设备，可以通过设置不同的环境变量或使用不同的索引来实现。请注意，具体的操作可能因tensorflow版本而异，建议根据自己的tensorflow版本和需求查阅官方文档或参考相关资料进行操作。