[pytorch 笔记] 怎样在python script中选择GPU

最新推荐文章于 2023-10-29 15:13:04 发布
最新推荐文章于 2023-10-29 15:13:04 发布
阅读量135 收藏
点赞数
文章标签： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_37360677/article/details/109743530
版权

我们知道在terminal 中可以通过 CUDA_VISIBLE_DEVICES=x python3 my_script.py 来选择使用的GPU。那么在python 脚本中怎样选择呢。
可以通过如下简单操作

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "x"
import torch # this should be after device selection

网上的另一种办法 torch.cuda.set_device(x) 经试验似乎并不起作用

geekfreakout
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TRTorch：使用TensorRT的NVIDIA GPU的PyTorchTorchScript编译器
02-04
TRT火炬 PyTorch JIT的提前（AOT）编译 TRTorch是PyTorch / TorchScript的编译器，通过NVIDIA的TensorRT深度学习优化器和运行时针对NVIDIA GPU。 与PyTorch的即时（JIT）编译器不同，TRTorch是一种提前（AOT）编译器，这意味着在部署TorchScript代码之前，您需要经过一个显式的编译步骤，才能将标准的TorchScript程序转换为模块。以TensorRT引擎为目标。 TRTorch充当PyTorch扩展，并编译与JIT运行时无缝集成的模块。 使用优化图进行编译后，应该感觉与运行TorchScript模块没有什么
指定GPU运行python程序
猫敷雪
04-23 3504
Persistence-M：持续模式的状态开关，该模式耗能大，但是启动新GPU应用时比较快，这里是off。1、首先查看哪些GPU空闲，nvidia-smi显示当前GPU使用情况。Perf：性能状态，从P0到P12，P0性能最大，P12最小。GPU-Util：GPU利用率，第一个是74%，第二个未用。Fan：风扇转速，在0到100%之间变动，第一个是29%Name：显卡名，这里两块都是GeForce。Temp：显卡温度，第一个是60摄氏度。GPU：编号，这里是0和1。Bus-Id：GPU总线。
python学习9——调用GPU训练
qq_41566819的博客
07-22 4166
三、调用GPU方式二 device = torch.device("cuda") 如果是多显卡，可以制定相应的显卡，调用为 device = torch.device("cuda:1")A、训练部分数据调用GPU imgs = imgs.cuda() targets = targets.cuda()建立的网络模型，在下面进行相应的调用。一、深度学习中，使用GPU进行训练，首先要确定电脑上是否有相应的驱动。采用GPU进行训练，在三个地方进行相应的修改。添加“.cuda()”，使用如下。
python指定Gpu
qimo601的专栏
03-29 2万+
PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。 有如下两种方法来指定需要使用的GPU。 1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。 1.1 直接终端中设定： CUDA_VISIBLE_DEVICES=1 python my_script.py 1.2 python代码中设定： import os os.environ["CUDA_VISIBLE_DEVICES"] = "2" 见网址：（原）
深度学习之python使用指定gpu运行代码
zero_ling
06-11 8991
运行python文件时，在前面加上 CUDA_VISIBLE_DEVICES=xxx，xxx是你要指定的gpu序号。如`CUDA_VISIBLE_DEVICES=0,2 python extract_masks.py`表示指定了0、2号两个gpu。注意，序号是从0开始排的，所以如果你只有一个gpu，那么就是`CUDA_VISIBLE_DEVICES=0 python extract_masks.py`
Python-一些关于pytorch深入学习的笔记
08-11
在“Python-一些关于pytorch深入学习的笔记”中，我们将重点关注以下几个关键知识点： 1. **动态计算图**：PyTorch的一大特点是支持动态计算图，与TensorFlow等静态计算图框架不同，这使得编写和调试神经网络模型...
Win11配置Pytorch教程(GPU版)
01-16
总结，配置Pytorch GPU版在Win11上需要经历安装Anaconda、CUDA、cuDNN，然后安装Pytorch，最后在PyCharm中创建项目并验证GPU加速。过程中需要注意各个组件的版本兼容性，确保Python、CUDA、cuDNN和Pytorch版本的匹配...
Pytorch入门实战学习笔记
04-24
在 PyTorch 中，通常使用 `torch.utils.data.Dataset` 类来封装自定义的数据集。这种方式可以帮助我们更好地管理数据，同时利用 PyTorch 内置的 DataLoader 进行高效的数据迭代与批处理。 **1. 实现自定义数据集类*...
pytorch安装教程gpu
最新发布
06-13
遵循上述步骤，你可以成功地在支持CUDA的NVIDIA GPU上安装和配置PyTorch，从而利用GPU的强大算力加速你的深度学习模型训练过程。请注意，具体的命令和步骤可能会根据你的系统环境和配置有所不同，因此始终建议参考...
pytorch基础学习笔记
03-13
### PyTorch基础学习笔记 #### 一、PyTorch简介及安装 ##### 1.1 PyTorch简介 PyTorch是由Facebook的人工智能研究实验室（FAIR）开发的一款开源机器学习库，专为利用GPU加速张量计算和深度学习而设计。PyTorch的...
【深度学习】Python使用指定gpu运行代码
TwcatL_tree
10-29 5476
注意，序号是从0开始排的，所以如果你只有一个gpu，那么就是CUDA_VISIBLE_DEVICES=0 python extract_masks.py。在大型机构分配的服务器集群中，需要使用GPU的程序默认都会在第一张卡上进行，如果第一张卡倍别人占用或者显存不够的情况下，程序就会报错说没有显存容量，所以能够合理地利用GPU资源能帮助你更快更好地跑出实验效果。说明：程序会根据卡的容量分配成两个程序，不一定在两张卡，有时候一张卡的容量够则会在该张卡上开启新的进程。
Python指定使用gpu
qq_40734883的博客
08-05 1万+
单/多卡GPU使用设置
PyTorch中使用指定的GPU
Nagato_Yuki_SOS的博客
10-19 1419
PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。 有如下两种方法来指定需要使用的GPU。 1.类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。 1.1 直接终端中设定： CUDA_VISIBLE_DEVICES=1 python my_script.py 1.2 python代码中设定： import os os.environ["CUDA_VISIBLE_DEVICES"] = "2" 见网址：http://www.cnbl
python运行程序设置指定GPU(查看GPU使用情况)
LJC的博客
07-17 3万+
常见的两种使用方式如下： 一、python文件里设置指定GPU 一般情况： import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" （保证程序cuda序号与实际cuda序号对应） os.environ['CUDA_VISIBLE_DEVICES'] = "0,1" （代表仅使用第0，1号GPU） 单GPU： os.environ["CUDA_VISIBLE_DEVICES"] = "2"###代表只使用第3个gpu 而没设置的时候一般会只用第
python中使用指定GPU
weixin_30347335的博客
07-04 5646
import os os.environ["CUDA_VISIBLE_DEVICES"] = "2"　　# 或os.environ["CUDA_VISIBLE_DEVICES"] = "0,2,3" （等号右边的双引号可以省略） 转载于:https://www.cnblogs.com/jfdwd/p/11130787.html...
python自动选取空闲gpu
jacke121的专栏
09-22 4826
自动选取可用gpu pip install nvidia-ml-py==4.304.04 pip安装pynvml pip install nvidia-ml-py3 如果是Python2，则pip nvidia-ml-py2    import os import pynvml pynvml.nvmlInit() def usegpu(need_gpu_count=1): ...
python&Keras实现多GPU或指定GPU的使用
qiqzhang的博客
12-31 1万+
1. keras新版本中加入多GPU并行使用的函数 下面程序段即可实现一个或多个GPU加速：  注意：使用多GPU加速时，Keras版本必须是Keras2.0.9以上版本 from keras.utils.training_utils import multi_gpu_model   #导入keras多GPU函数 import VGG19     #导入已经写好的函数模型，例如VGG19 if...
Python GPU加速
热门推荐
WeisongZhao
11-03 5万+
Numba:高性能计算的高生产率 　　在这篇文章中，笔者将向你介绍一个来自Anaconda的Python编译器Numba，它可以在CUDA-capable GPU或多核cpu上编译Python代码。Python通常不是一种编译语言，你可能想知道为什么要使用Python编译器。答案当然是：运行本地编译的代码要比运行动态的、解译的代码快很多倍。Numba允许你为Python函数指定类型签名，从而在运...
在pytorch中，如何调用笔记本电脑的GPU
07-09
在PyTorch中调用笔记本电脑的GPU，需要确保你的笔记本电脑上安装了CUDA驱动程序并且正确配置了CUDA环境。接下来，你可以按照以下步骤来调用GPU： 1. 首先，导入PyTorch库： ```python import torch ``` 2. 检查你的电脑是否支持GPU： ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") ``` 3. 在创建模型或张量时，将其移动到GPU上： ```python model = YourModel().to(device) tensor = torch.tensor(data).to(device) ``` 4. 在训练循环中，将输入数据和模型移动到GPU上： ```python input = input.to(device) target = target.to(device) output = model(input) ``` 通过这些步骤，你就可以在PyTorch中成功地使用笔记本电脑的GPU加速计算了。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值