博客
关于我
深度学习框架_PyTorch_PyTorch与CUDA适配性信息的命令
阅读量:529 次
发布时间:2019-03-08

本文共 985 字,大约阅读时间需要 3 分钟。

  • 检查 CUDA 是否可用

    在终端中输入 torch.cuda.is_available() 命令,检查 CUDA 是否可用。

    • 如果返回 True,表示 CUDA 可以被 PyTorch 使用。
    • 如果返回 False,可能需要检查是否安装了 CUDA 插件或мом库。
  • 查看可用 GPU 的数量

    使用 torch.cuda.device_count() 命令查看可用的 GPU 数量。

    • 例如:torch.cuda.device_count() 返回 4,表示有 4 块 GPU 可用。
  • 查看 GPU 的名称和索引

    使用 torch.cuda.get_device_name(1) 要查看具体的 GPU 名称和索引。

    • 参数 1表示从第 0 块 GPU 开始查询。
    • 例如:torch.cuda.get_device_name(1) 返回 GPU 0x8068整体
  • 获取当前设备索引

    使用 torch.cuda.current_device() 获取当前使用的设备索引。

    • 例如:torch.cuda.current_device() 返回 0,表示当前使用了第 0 块 GPU。
  • 确认 GPU 描述

    可以利用 torch.cuda.device属性 查看 GPU 的更多描述。

    • 输入 nvcc --show-devices 查看所有硬件设备的详细信息,包括型号、驱动版本和显存大小。
  • 实时监控 GPU 利用情况

    安装并运行 nvidia-smi 工作台,实时监控 GPU 的使用情况:GPU 利用率、显存使用情况和当前占用的内存。

  • 分配显存并优化资源使用

    • 在运行 PyTorch 时,确保显存分配合理,避免显存耗尽。
    • 使用 torch.cuda.set_device(0) 强制指定使用特定 GPU。
    • 对模型进行多速率训练或批量调整,以优化显存和计算速度。
  • 添加 GPU 检查到脚本中

    在脚本中添加GPU检查代码段,确保每个运行中的 GPU 状态正确。

    • 例如:在脚本开始部分添加以下代码:
      import torchassert torch.cuda.is_available(), "CUDA不可用,查看驱动或版本更新"
    • 通过脚本化处理,使GPU检查自动化和高效化。
  • 通过以上步骤,您可以轻松地检查和管理多块 GPU 的状态,确保 CUDA 环境的正确配置和计算效率的最大化。

    转载地址:http://llbiz.baihongyu.com/

    你可能感兴趣的文章
    Mysql 会导致锁表的语法
    查看>>
    mysql 使用sql文件恢复数据库
    查看>>
    mysql 修改默认字符集为utf8
    查看>>
    Mysql 共享锁
    查看>>
    MySQL 内核深度优化
    查看>>
    mysql 内连接、自然连接、外连接的区别
    查看>>
    mysql 写入慢优化
    查看>>
    mysql 分组统计SQL语句
    查看>>
    Mysql 分页
    查看>>
    Mysql 分页语句 Limit原理
    查看>>
    MySql 创建函数 Error Code : 1418
    查看>>
    MySQL 创建新用户及授予权限的完整流程
    查看>>
    mysql 创建表,不能包含关键字values 以及 表id自增问题
    查看>>
    mysql 删除日志文件详解
    查看>>
    mysql 判断表字段是否存在,然后修改
    查看>>
    MySQL 到底能不能放到 Docker 里跑?
    查看>>
    mysql 前缀索引 命令_11 | Mysql怎么给字符串字段加索引?
    查看>>
    MySQL 加锁处理分析
    查看>>
    mysql 协议的退出命令包及解析
    查看>>
    mysql 参数 innodb_flush_log_at_trx_commit
    查看>>