PyTorch学习笔记：cuda方法——查看显卡信息

PyTorch学习笔记：cuda方法——查看显卡信息

cuda常用方法

• 查看cuda是否可用

torch.cuda.is_available()

• 查看当前设备cuda数量

torch.cuda.device_count()

• 查看当前设备第i个cuda名称

torch.cuda.get_device_name(i)

• 设置默认使用第i块GPU

# 里面输入int类型的数字
torch.cuda.set_device(i)

• 返回当前默认的GPU设备索引

torch.cuda.current_device()

补充：

• 查看系统CPU数量

torch.cuda.os.cpu_count()

get_device_properties函数

  用于获取指定GPU设备的各种属性信息，包括：

• name：GPU 设备的名称；
• total_memory：提取GPU总显存大小，以字节为单位；
• major：CUDA计算能力的主要版本号；
• minor：CUDA计算能力的次要版本号；
• multi_processor_count：GPU设备的多处理器数量；
• is_integrated：GPU是否是集成显卡，如果返回True（或者1），则说明该显卡是集成显卡，否则是独立显卡；
• is_multi_gpu_board：表示GPU是否是多GPU板卡，如果返回True（或者1），则说明该显卡是一个具有多GPU芯片的显卡；

代码案例

import torch

device_id = 0  # GPU 设备的 ID
properties = torch.cuda.get_device_properties(device_id)

print("Name: ", properties.name)
print("Total memory: ", properties.total_memory / (1024**2), "MB")  # 转换为 MB 单位
print("CUDA capability: ", properties.major, ".", properties.minor)
print("Multiprocessor count: ", properties.multi_processor_count)

输出（以本机执行结果为例）

Name:  NVIDIA GeForce RTX 3050
Total memory:  8191.5 MB
CUDA capability:  8 . 6
Multiprocessor count:  20