要进行网格搜索但不使用交叉验证，可以使用GridSearchCV类中的cv参数将交叉验证折数设置为1。下面是一个示例代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC

# 加载数据集
iris = load_iris()

# 定义参数网格
param_grid = {'C': [0.1, 1, 10], 'gamma': [0.1, 1, 10]}

# 创建SVC分类器
svc = SVC()

# 创建GridSearchCV对象，将cv参数设置为1
grid_search = GridSearchCV(svc, param_grid, cv=1)

# 执行网格搜索
grid_search.fit(iris.data, iris.target)

# 输出最佳参数和得分
print("Best parameters: ", grid_search.best_params_)
print("Best score: ", grid_search.best_score_)

在上面的示例中，我们使用GridSearchCV类来执行网格搜索。将cv参数设置为1，表示使用一个折叠进行验证。然后，我们使用fit方法进行网格搜索，传递数据集和标签作为参数。最后，我们输出最佳参数和得分。

请注意，这种方法不会执行交叉验证，而是使用单个训练集和验证集。这可能会导致模型在不同数据集上的性能变化较大。