一、深度学习PyTorch,TensorFlow中GPU利用率较低,CPU利用率很低,且模型训练速度很慢的问题总结与分析
https://blog.csdn.net/qq_32998593/article/details/92849585
总结相当到位,很有用!!
二、查看GPU使用情况
查看GPU目前运行状况:
nvidia-smi
每隔5秒刷新一次GPU使用情况:
`watch -n 5 nvidia-smi`
三、tensorflow与python版本对应
Linux:
CPU
GPU
四、keras和tensorflow的版本对应关系
我在Windows上跑代码跑的好好的,但是显存不够,所以在另一台linux系统的机器上跑,发现了这个问题,如果你和我一样遇到了同样的问题,来这里看两者的对应关系!!!
五、Pytorch distributed RuntimeError: Address already in use
跑Swin transformer时遇到的问题!
解决:
在启动分布式训练时,加上端口号(任意)即可解决:
CUDA_VISIBLE_DEVICES=0,1 python -m torch.distributed.launch --nproc_per_node=2 --master_port 29501 main.py
参考博文:
Pytorch distributed RuntimeError: Address already in use