查看GPU信息 | python -m参数

torch 查看GPU

torch.cuda.is_available()  # cuda是否可用；

torch.cuda.device_count()  # 返回gpu数量；

torch.cuda.get_device_name(0)  # 返回gpu名字，设备索引默认从0开始；

torch.cuda.current_device()  # 返回当前设备索引；

reference:https://pytorch.org/docs/stable/cuda.html

nvidia-smi 详解

这是服务器上特斯拉K80的信息。
上面的表格中：

• 第一栏的Fan：N/A是风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇堵转，可能打不到显示的转速。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温（比如我们实验室的服务器是常年放在空调房间里的）。
• 第二栏的Temp：是温度，单位摄氏度。
• 第三栏的Perf：是性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能。
• 第四栏下方的Pwr：是能耗，上方的Persistence-M：是持续模式的状态，持续模式虽然耗能大，但是在新的GPU应用启动时，花费的时间更少，这里显示的是off的状态。
• 第五栏的Bus-Id是涉及GPU总线的东西，domain🚌device.function
• 第六栏的Disp.A是Display Active，表示GPU的显示是否初始化。
• 第五第六栏下方的Memory Usage是显存使用率。
• 第七栏是浮动的GPU利用率。
• 第八栏上方是关于ECC的东西。
• 第八栏下方Compute M是计算模式。

reference:https://blog.csdn.net/u013066730/article/details/84831552

cuda 用法

#查看所有已导入的依赖包
conda list
#查看虚拟环境
conda env list
#创建python3.7虚拟环境
conda create -n python3.7 python=3.7
#创建python3.7环境，并安装anaconda包
conda create -n python3.7 python=3.7 anaconda
#切换环境
conda activate python3.7
#退出环境
conda deactivate

python -m 参数

官方文档

-m: run library module as a script（将模块当作脚本运行）

解释

在 python 中，所谓的模块，其实也是一个由代码组成的普通脚本文件。这些文件通常会提供一些有用的东西，例如函数或者类，然后我们通过 import 导入使用，而且当我们引入模块的时候，不会产生副作用。但实际上如果我们在 shell 中直接运行这个脚本文件，很有可能会看到有副作用产生。在文件内部，我们一般通过下面的代码来区分当前脚本，是作为模块导入，还是作为脚本直接运行。

if __name__ == '__main__':
    print('模块直接运行');

当文件作为脚本直接运行时，这段代码会产生副作用，输出字符串“模块直接运行”；
当文件作为模块被导入时，不会产生副作用，不输出字符串“模块直接运行”；

回到正题，当我们知道一个模块的名字，但不知道它的路径时，我们可以通过 -m 参数，在 shell 中将该模块当作脚本运行，例如：

python -m module_name

事实上，如果我们知道模块的完整路径（此处假设为"/path/to/module.py"），上述命令的效果，以下面的命令等同

python /path/to/module.py

Reference