¿Se puede obligar a Keras con el backend Tensorflow a usar CPU o GPU a voluntad?

Una forma bastante elegante y separable de hacer esto es usar

import tensorflow as tf
from keras import backend as K

num_cores = 4

if GPU:
    num_GPU = 1
    num_CPU = 1
if CPU:
    num_CPU = 1
    num_GPU = 0

config = tf.ConfigProto(intra_op_parallelism_threads=num_cores,\
        inter_op_parallelism_threads=num_cores, allow_soft_placement=True,\
        device_count = {'CPU' : num_CPU, 'GPU' : num_GPU})
session = tf.Session(config=config)
K.set_session(session)

Aquí con booleans GPU y CPU puede especificar si desea usar una GPU o GPU al ejecutar el código. Observe que estoy haciendo esto especificando que hay 0 dispositivos GPU cuando quiero usar la CPU. Como una ventaja adicional, a través de este método se puede especificar cuántas GPU y CPU a utilizar también! Además, a través de num_cores puede establecer el número de núcleos de CPU a utilizar.

Todo esto se ejecuta en el constructor de mi clase, antes de cualquier otra operación, y es completamente separable de cualquier modelo, u otro código que utilice.

Lo único a tener en cuenta es que necesitarás tensorflow-gpu y cuda/cudnn instalado porque siempre está dando la opción de usar una GPU.

Esto funcionó para mí (win10), lugar antes de importar keras:

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Según el tutorial de keras , simplemente puede usar el mismo ámbito tf.device que en tensorflow regular:

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on GPU:0

with tf.device('/cpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops in the LSTM layer will live on CPU:0

Solo importa tensortflow y usa keras, es así de fácil.

import tensorflow as tf
# your code here
with tf.device('/gpu:0'):
    model.fit(X, y, epochs=20, batch_size=128, callbacks=callbacks_list)

Acabo de pasar algún tiempo averiguarlo. La respuesta de Thoma no está completa. Digamos que tu programa es test.py, quieres usar gpu0 para ejecutar este programa, y mantener otras gpu libres.

Debes escribir CUDA_VISIBLE_DEVICES=0 python test.py

Observe que es DEVICES no DEVICE