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
    Myeclipse常用快捷键
    查看>>
    MyEclipse用(JDBC)连接SQL出现的问题~
    查看>>
    myeclipse的新建severlet不见解决方法
    查看>>
    MyEclipse设置当前行背景颜色、选中单词前景色、背景色
    查看>>
    MyEclipse配置SVN
    查看>>
    MTCNN 人脸检测
    查看>>
    MyEcplise中SpringBoot怎样定制启动banner?
    查看>>
    MyPython
    查看>>
    MTD技术介绍
    查看>>
    MySQL
    查看>>
    MySQL
    查看>>
    mysql
    查看>>
    MTK Android 如何获取系统权限
    查看>>
    MySQL - 4种基本索引、聚簇索引和非聚索引、索引失效情况、SQL 优化
    查看>>
    MySQL - ERROR 1406
    查看>>
    mysql - 视图
    查看>>
    MySQL - 解读MySQL事务与锁机制
    查看>>
    mysql 1264_关于mysql 出现 1264 Out of range value for column 错误的解决办法
    查看>>
    mysql 1593_Linux高可用(HA)之MySQL主从复制中出现1593错误码的低级错误
    查看>>
    mysql ansi nulls_SET ANSI_NULLS ON SET QUOTED_IDENTIFIER ON 什么意思
    查看>>