在Keras中，可以使用tf.config.experimental.set_visible_devices函数来指定可见的GPU。下面是一个示例代码：

import tensorflow as tf
from tensorflow import keras

# 禁用GPU
tf.config.experimental.set_visible_devices([], 'GPU')

# 构建模型
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 加载数据并训练模型
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train = x_train.reshape(-1, 784) / 255.0
x_test = x_test.reshape(-1, 784) / 255.0
y_train = keras.utils.to_categorical(y_train)
y_test = keras.utils.to_categorical(y_test)

model.fit(x_train, y_train, batch_size=64, epochs=10, validation_data=(x_test, y_test))

在上面的代码中，tf.config.experimental.set_visible_devices([], 'GPU')将禁用所有可见的GPU。这样，即使在计算机上有多个GPU，Keras也只会使用CPU来训练模型。