window下同时使用不同型号显卡

Mr.Q

已于 2022-07-08 14:49:32 修改

阅读量1.6k

点赞数 1

分类专栏：环境搭建 PyTorch 文章标签：深度学习显卡

于 2022-07-08 14:27:02 首次发布

本文链接：https://blog.csdn.net/jizhidexiaoming/article/details/125676785

版权

PyTorch 同时被 2 个专栏收录

38 篇文章

订阅专栏

环境搭建

32 篇文章

订阅专栏

本文详细记录了从显卡3080升级到2080ti的过程中遇到的硬件问题，包括电源线不足和机箱空间限制，并分享了解决方案。在软件方面，确认了系统能够识别显卡并安装了适当的驱动。最后，通过一段PyTorch代码展示了多GPU训练的设置，验证了配置的成功。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 硬件配置

显卡3080

显卡2080ti

2. 配置两款型号遇见的问题

（1）显卡电源线不够

只有两根8pin电源线

追加显卡的话需要额外买一根电源线，我买了一个8pin转双6+2pin电源线，型号是：佳翼（JEYI）显卡电源线台式主机8Pin母转双6+2pin公头电源供电转接线 8P转双6+2P延长线加长线 XK888，花费19.9.

（2）机箱空间不够

买了显卡电源线后，发现空间不够，且显卡间的插槽靠得太近，所以额外又买了显卡数据延长线，型号：追风者(PHANTEKS) FL22 PCI-E4.0 x16倍通用型无损耗电脑竖向显卡延长线180°转 90°转接延长线220mm（不推荐这款，线过短，可以选30cm的）

硬件搞定后，整体效果如下，虽然丑，但能用：

3. 软件方面

检查系统是否能检测到显卡，注意显卡驱动用的是511.79

4. 测试使用

测试代码：

import torch
from tqdm import tqdm
import torch.nn as nn


class Model(torch.nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size, stride=1):
        super(Model, self).__init__()
        self.conv = torch.nn.Sequential(nn.Conv2d(in_channels, out_channels, kernel_size, stride=stride))

    def forward(self, x):
        b = self.conv(x)
        loss = torch.sum(b)
        loss = loss * loss
        return loss, x


if __name__ == '__main__':
    a = torch.randn([4, 3, 500, 500])
    model = Model(3, 100, 1, 1)
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    if torch.cuda.is_available():
        print("using cuda")
        model = model.cuda(device)
        a = a.cuda()
    print(torch.cuda.device_count() > 1)
    if torch.cuda.device_count() > 1:
        model = torch.nn.DataParallel(model)
        pass
    optimizor = torch.optim.Adam(model.parameters(), lr=0.005)
    for i in tqdm(range(100000000)):
        loss, _ = model(a)
        optimizor.zero_grad()
        loss.backward(torch.ones_like(loss))
        optimizor.step()
        if i % 100 == 0:
            pass