tensorflow只使用gpu而不是同时使用cpu和gpu

TensorFlow是一个开源的机器学习框架，它支持在多种硬件上运行，包括CPU、GPU以及TPU（张量处理单元）。默认情况下，如果你的系统有安装了GPU并且TensorFlow可以检测到，它通常会选择GPU作为加速计算的主要平台，因为GPU在并行计算方面性能强大。

然而，TensorFlow也提供了一个选项叫做`tf.config.experimental.set_memory_growth`，这个功能允许你在程序运行时动态调整内存分配，即使只使用部分显存。如果你想限制TensorFlow仅使用GPU而不使用CPU，你可以通过设置环境变量`CUDA_VISIBLE_DEVICES`，指定显示设备范围（例如，`CUDA_VISIBLE_DEVICES=0`表示只使用第一个GPU）或者在会话开始时明确指定设备：

import tensorflow as tf

# 如果只有一个GPU
physical_devices = tf.config.list_physical_devices('GPU')
if physical_devices:
    with tf.device('/GPU:0'):
        # 这里放置你的 TensorFlow 计算代码

如果你需要在某些特定任务下控制资源分配，还可以利用`strategy_scope`和`tf.distribute.Strategy`等工具进行更细致的管理。