我在两个pciex16插槽中安装了2个GPU。一种是1080Ti，一种是980。
GPU-Z显示两个设备都存在，并且设备管理器表示两个设备都在正常运行。这是Windows Server 2012操作系统。
如果仅启用了其中一台设备（通过设备管理器，我禁用了其中一台），我可以运行
from tensorflow.python.client import device_lib
local_device_protos = device_lib.list_local_devices()
并查看GPU：0设备。它适用于980和1080ti。我能够运行其他TF代码，并且可以正确使用GPU。
如果同时启用了两个设备，则运行此代码会得到以下CUDA内存不足错误：
InternalError: failed initializing StreamExecutor for CUDA device ordinal 1: Internal: failed call to cuDevicePrimaryCtxRetain: CUDA_ERROR_OUT_OF_MEMORY; total memory reported: 4294967296
尽管GPU-Z显示980的内存使用量为0。
如果我运行sess = tf.Session()，则会收到“无法创建会话”错误。
最后，如果我两次运行两个命令中的任何一个，则python进程死亡（python已停止工作弹出窗口）。
我尝试以较低的内存比例运行
gpu_fraction = 0.1
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_fraction)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
但是此会话也无法启动。
这些错误的原因是什么？我实际上并不关心是否可以将两个GPU都用于特定的python进程，但是我确实希望能够有两个不同的python进程使用一个gpu。
感谢您的帮助！
编辑：
仅添加这样的代码，如果同时启用了两个GPU，则无法为两个GPU创建会话。
with tf.device("/gpu:1"):
sess2=tf.Session()
Edit2：
根据@RobertCrovella的建议，os.putenv('CUDA_VISIBLE_DEVICES','1') or '0'使我能够在每个进程的单个GPU上成功运行代码。
Edit3：
使用cuda_visible_devices运行tf会导致gpu-z显示不正确的内存使用情况（显示为0）。