要确定程序使用哪个GPU，可以使用以下几种方法：
使用TensorFlow库
```python
import tensorflow as tf
tf.config.experimental.list_physical_devices（"GPU"）
```
以上代码将返回一个列表，其中包含系统中所有可用的GPU设备。可以使用`tf.config.experimental.set_visible_devices`方法将某个GPU设备设置为可见设备：
```python
tf.config.experimental.set_visible_devices（gpu_devices, 'GPU'）
```
这将指定第一个GPU设备作为可见设备。如果有多个GPU设备，可以根据需要选择。
使用PyTorch库
```python
import torch
torch.cuda.device_count（）
```
以上代码将返回整数值，表示系统中的GPU设备数量。可以使用`torch.cuda.set_device`方法将某个GPU设备设置为当前设备：
```python
torch.cuda.set_device（device_id）
```
这将指定`device_id`对应的GPU设备作为当前设备。
使用NVIDIA的CUDA工具包
在命令行中运行以下命令，将显示当前GPU设备的详细信息，包括设备ID和状态：
```
nvidia-smi
```
可以根据需要选择特定的GPU设备。
使用任务管理器 （Windows）：按`Ctrl + Shift + Esc`打开任务管理器，然后选择"详细信息"选项卡。
右键单击任何列标题，然后选择"选择列"选项，在弹出窗口中选中针对GPU、GPU引擎、专用GPU内存和共享GPU内存的复选框，然后单击"确定"。
现在，任务管理器将显示每个应用程序的实时GPU使用情况。
使用第三方工具
GPU-Z：
一款能够精准洞察GPU奥秘的小巧专业工具，支持NVIDIA、ATI和Intel等多种图形设备。安装完成后，运行GPU-Z，即可查看GPU的详细信息和使用情况。
gpustat：一个Python命令行程序，用于查看GPU的使用情况。安装方法：`pip install gpustat`。使用命令：`gpustat`。
通过以上方法，可以有效地确定程序使用的GPU设备，并进行相应的配置和调整。