程序运行在终端指定显卡，结果跑到别的显卡

最新推荐文章于 2024-09-29 11:17:21 发布

空酒瓶子

最新推荐文章于 2024-09-29 11:17:21 发布

阅读量353

点赞数 6

文章标签： python

本文链接：https://blog.csdn.net/axcncca3/article/details/140851070

版权

程序运行在终端指定显卡，结果跑到别的显卡

- 如果是bash文件运行，注意看一下bash文件中第一行
- 注意拼写

无语，太无语了，出现过两次这种问题，记录一下加深印象，根本不涉及技术

如果是bash文件运行，注意看一下bash文件中第一行

有的代码在bash文件第一行会指定显卡，会使得终端输入的指定显卡命令失效
删掉就行

注意拼写

就是这个，很无语，CUDA_VISIBLE_DEVICES=XXX，本来以为如果写错了会报错，没那么智能，写错了就是跟没指定一样，直接就跑到0号显卡去了，就给我报out of memory

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

空酒瓶子

关注关注

6
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

shell监视gpu使用情况

iTom's blog

08-09

3167

shell 监视可用显存

使用CUDA_VISIBLE_DEVICES设置显卡

qq_43307074的博客

11-03

2万+

使用CUDA_VISIBLE_DEVICES设置显卡

参与评论您还未登录，请先登录后发表或查看评论

Linux 中指定使用的GPU

Congying-Wang的博客

05-13

2万+

文章目录1 查看GPU 编号及其使用信息2 方法一：在终端执行程序时指定GPU3 方法二：在Python代码中指定GPU 1 查看GPU 编号及其使用信息参考文章Linux下查看NVIDIA的GPU使用情况 $ nvidia-smi 其中左上侧有0、1、2、3的编号，表示GPU的编号，在后面指定GPU时需要使用这个编号。 2 方法一：在终端执行程序时指定GPU $ CUDA_VISIBL...

linux服务器如何指定gpu以及用量

热门推荐

暮日落流年的博客

05-27

3万+

１．在终端执行程序时指定GPU CUDA_VISIBLE_DEVICES=0 python your_file.py # 指定GPU集群中第一块GPU使用,其他的屏蔽掉 CUDA_VISIBLE_DEVICES=1 Only device 1 will be seen CUDA_VISIBLE_DEVICES=0,1 Devices 0 an...

【linux】指定程序运行的主显卡

bbp94_github的博客

03-15

1397

基于pytorch训练卷积神经网络，在多gpu环境下并行训练，会有一个主显卡，相比于其他显卡，它还需统计其他显卡发送的梯度等参数进行下一步计算，因此需要更大的显存。默认情况下，会以0号显卡为主显卡。若0号显卡被其他程序占部分内存，为主显卡可能会因为内存不足oom，可以将指定其他显卡为主显卡，在程序运行命令前加：CUDA_VISIBLE_DEVICES=3,0,1,2 就会指定3号为主显卡，且在4块...

Linux 系统指定程序运行的显卡

weixin_43918046的博客

05-21

3693

一般租的服务器会有多张显卡，为了资源最大化利用同时运行程序，如果不指定显卡运行会导致多个程序抢占一张显卡运行，然后报错内存占满。我们先查看系统有多少张显卡，每张显卡的运行状态： nvidia-smi 在终端输入上面的指令得到下面的结果，显示了系统安装的所有显卡和每张卡当前的状态，比如显卡0当前使用率为81%，已经比较接近占满了。我们观察到1，2，3，4，5都没程序使用，于是指定其中几张，指令如下 CUDA_VISIBLE_DEVICES=3,4,1 python train.py 意思为同时用显卡

多显卡服务器指定显卡运行tensorflow程序

一个平平无奇的甜妹

09-10

1449

查看机器上GPU情况命令： nvidia-smi 功能：显示机器上gpu的情况其中左上侧有0、1、2、3的编号，表示GPU的编号，在后面指定GPU时需要使用这个编号。方法一：在终端执行程序时指定GPU CUDA_VISIBLE_DEVICES=1 python your_file.py 这样在跑你的网络之前，告诉程序只能看到1号GPU，其他的GPU它不可见可用的形式如下： CUDA_VISIBLE_DEVICES=1 Only device 1 wi...

指定GPU运行程序&设置cmd运行的程序后台运行

cash_cp的博客

05-28

485

在train文件中设置环境变量，让程序在指定GPU运行；使用tmux设置会话，保证远程连接断开，会话中的程序也会继续运行

linux系统怎样指定gpu运行,linux服务器如何指定gpu以及用量

weixin_28716443的博客

05-04

4090

１．在终端执行程序时指定GPUCUDA_VISIBLE_DEVICES=0 python your_file.py # 指定GPU集群中第一块GPU使用,其他的屏蔽掉CUDA_VISIBLE_DEVICES=1 Only device 1 will be seenCUDA_VISIBLE_DEVICES=0,1 Devices 0 and 1 will...

【linux服务器使用技巧】设置模型训练等程序在服务器后台运行，解放自己的电脑

SOS团成员A

01-13

2845

【linux服务器使用技巧】设置模型训练等程序在服务器后台运行，解放自己的电脑问题描述解决过程具体流程问题描述众所周知，深度学习的模型训练一般需要在显卡服务器上进行，并且短则几个小时，长则几天。在楼主刚开始学习，实际训练模型的时候，需要一直保持自己电脑上运行服务器程序的窗口不关，也就是说电脑要一直开着，一旦连接断了，训练到一半的程序也断了。所以需要找到一个方法，让训练程序在服务器跑起来后可以后台运行，即使自己的电脑关闭程序窗口也没关系。解决过程实际上解决的过程是非常巧合的，楼主在网上搜索“程序服务

从零开始运行pointnet++之安装显卡驱动遇到的问题（已解决）

Liyyeee的博客

08-12

1051

！！！第一篇博客！！！ *******第一次.装双系统******* 为了跑pointnet++真的拼了！！！！！我的电脑不知道为啥，单独装显卡驱动死活都要出问题，去英韦达官网下载和电脑显卡对应的linux驱动版本的run文件（本人电脑是GTX1050），居然装上后就重启黑屏（宝宝气哭），于是最后通过装cuda里推荐的nvidia驱动，终于！！！重启不再黑屏！！！！高兴的睡不着哈哈哈哈，对不起太兴奋啦！不多BB，希望这篇博客能帮到和我遇到相同问题的朋友！首先我搭建的实验环...

Linux系统调试课：如何使用perf进行性能优化

内核笔记

04-19

429

📢perf 可以在 CPU Usage 增高的节点上找到具体的引起 CPU 增高的函数，然后我们就可以有针对性地聚焦到那个函数做分析。

在vscode中如何用GPU跑程序，给出基于pytorch的代码

09-16

在VSCode中使用GPU运行PyTorch程序，首先需要确保你的计算机已经安装了NVIDIA显卡和CUDA工具包。接下来，按照以下步骤操作： 1. 安装支持GPU的PyTorch版本。打开终端，运行以下命令： ``` pip install torch ...

VeighNa：强大的Python开源量化交易平台

Unity打怪升级

09-26

647

VeighNa（简称 VN 或 vn.py）是一个基于 Python 的开源量化交易平台，专为量化交易爱好者和专业交易员设计。VeighNa 是由国内开发者社区推动的开源项目，旨在提供一个功能丰富、灵活且易于扩展的量化交易解决方案。该框架不仅支持多种资产类别的交易，如股票、期货、期权、加密货币等，还支持多种交易接口和协议，使得用户能够轻松进行多市场、多品种的交易策略开发和部署。

Python精选200Tips：171-175

AnFany

09-26

1126

Python深度学习的项目

python中的深浅拷贝以及总体框架了解

AgostoDu的博客

09-26

1125

1、当b使用copy.deepcopy()深拷贝的时候，可以理解为b不仅外面的整体开辟了一个新的内存地址，b里面包含的列表也开辟了新的内存地址和a里面的内存地址没有任何关系，所以当a修改里面列表元素的值时不会影响b里面列表元素的值。print(mr) #{'name': 'lis', 'age': 18, 'scroe': 100}<br>备注：已经存在的值的优先级>默认值<br>6.3 直接修改值，显示最新修改值（修改默认值优先级小于直接添加的字典值）<br>

ubuntu安装libtorch

meng_152634的博客

09-25

725

nouveau是由第三方为NVIDIA显卡开发的一个开源3D驱动，ubuntu默认集成了nouveau驱动，安装NVIDIA驱动前必须禁用系统自带的显卡驱动nouveau，否则安装NVIDIA驱动时会报错。，一定要确定好安装的CUDA版本是否支持显卡的算力，否则安装成功也无法使用GPU加速。如果cmake版本低于3.18，会出现下面的报错，这是由于低于3.18的cmake不支持CUDA17的编译，需要更新cmake版本。因为安装的CUDA版本为12.1，这里选择最新版的CUDNN 9.4.0进行安装。

神经网络在多分类问题中的应用