已解决RuntimeError: No CUDA GPUs are available
下滑查看解决方法
🌈 欢迎莅临我的个人主页 👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地!🎇
🎓 博主简介:985高校的普通本硕,曾有幸发表过人工智能领域的 中科院顶刊一作论文,熟练掌握PyTorch框架。
🔧 技术专长: 在CV、NLP及多模态等领域有丰富的项目实战经验。已累计一对一为数百位用户提供近千次专业服务,助力他们少走弯路、提高效率,近一年好评率100% 。
📝 博客风采: 积极分享关于深度学习、PyTorch、Python相关的实用内容。已发表原创文章500余篇,代码分享次数逾四万次。
💡 服务项目:包括但不限于科研入门辅导、知识付费答疑以及个性化需求解决。
欢迎添加👉👉👉底部微信(gsxg605888)👈👈👈与我交流
(请您备注来意)
(请您备注来意)
(请您备注来意)
下滑查看解决方法
🌳引言🌳
在深度学习和机器学习领域,GPU加速对于提高训练速度和性能至关重要。然而,当尝试在支持CUDA的GPU上运行PyTorch等深度学习框架时,有时会遇到“RuntimeError: No CUDA GPUs are available”错误。这个错误通常意味着系统无法检测到支持CUDA的GPU,或者CUDA环境没有正确配置。
🌳报错截图🌳
🌳解决方案🌳
从报错信息可以看出,程序没有检测到可用的显卡,但笔记本是有显卡的,通过调试代码发现,原来是os.environ['CUDA_VISIBLE_DEVICES']
指定了笔记本不存在的显卡编号,如:
os.environ['CUDA_VISIBLE_DEVICES'] = "6"
而笔记本有且仅有一张显卡,因此不存在编号为6的显卡设备,故将os.environ['CUDA_VISIBLE_DEVICES'] = "0"
即可解决!
🌳相关技巧🌳
Pytorch设置GPU编号
- 在终端中运行python程序时设置
CUDA_VISIBLE_DEVICES=1 python main.py
- 在python代码中设置
import os
os.environ['CUDA_VISIBLE_DEVICE']='1' # 使用编号为1的显卡
- 在PyTorch代码中使用函数
torch.cuda.set_device
设置
在PyTorch中,你可以使用torch.cuda.set_device()
函数来设置GPU编号。首先,你需要导入PyTorch库,然后调用该函数来设置GPU编号。例如,如果你想使用编号为1的GPU,可以这样做:
import torch
# 设置使用编号为1的GPU
torch.cuda.set_device(1)
注意:请确保在设置GPU编号之前已经安装了CUDA,并且你的系统中已经正确安装了与该GPU兼容的驱动程序。
检查GPU是否可用
在PyTorch中检查GPU是否可用,可以使用以下代码:
import torch
if torch.cuda.is_available():
print("GPU可用")
else:
print("GPU不可用")
这段代码会检查CUDA是否可用,如果可用,就意味着GPU可以用于PyTorch的计算。如果不可用,可能是因为没有安装CUDA,或者安装的CUDA版本与PyTorch不兼容。
显示当前可用的GPU数量
在PyTorch中,可以使用torch.cuda.device_count()
函数来获取当前可用的GPU数量。以下是一个简单的示例:
import torch
print("当前可用的GPU数量: ", torch.cuda.device_count())
此代码将打印出当前可用的GPU数量。
🌳小结🌳
本文详细阐述了“RuntimeError: No CUDA GPUs are available”错误的可能原因,并提供了一个可行的解决方案。此外,我们还向您介绍了Pytorch关于GPU的常用技巧。
🌳参考文档🌳
🌳结尾🌳
亲爱的读者,首先感谢您抽出宝贵的时间来阅读我们的博客。我们真诚地欢迎您留下评论和意见💬。
俗话说,当局者迷,旁观者清。您的客观视角对于我们发现博文的不足、提升内容质量起着不可替代的作用。
如果博文给您带来了些许帮助,那么,希望您能为我们点个免费的赞👍👍/收藏👇👇,您的支持和鼓励👏👏是我们持续创作✍️✍️的动力。
我们会持续努力创作✍️✍️,并不断优化博文质量👨💻👨💻,只为给您带来更佳的阅读体验。
如果您有任何疑问或建议,请随时在评论区留言,我们将竭诚为你解答~
愿我们共同成长🌱🌳,共享智慧的果实🍎🍏!
万分感谢🙏🙏您的点赞👍👍、收藏⭐🌟、评论💬🗯️、关注❤️💚~