深度学习的gpu使用率，pytorch，nvidia，资源管理器的gpu效率显示问题

查看gpu使用率，

参考：https://blog.csdn.net/qq_43776757/article/details/119674848，https://blog.csdn.net/qq_30159015/article/details/81747491

nvidia-smi -l 1，每1秒刷新一次，

pytorch和cuda以及cudnn

当然首先保证电脑gpu有加速功能，而且安装的驱动满足要求
1，保证在pytorch官网中的cuda和下载的cudnn版本一致
2.保证使用的环境中的cuda就是对应的pytorch对应的版本，因为可以使用多个版本的cuda和环境，一定要注意自己的环境是否对应，
3.nvcc -v，是否是对应的cuda，多版本的cuda切换，就是将cuda的环境变量的顺序调换
可参考：https://editor.csdn.net/md/?articleId=121082441

cmd条件下nvidia-smi，命令后显示的内容

刷新显示命令
nvidia-smi -l 3  # 表示三秒刷新显示 l是L的小写

可以先在官网查看自己的gpu是否有加速计算，下面这个型号GeForce GT730,官网显示是有加速图形计算的能力，算力好像是3.5，但这里显示却是NOT Support，后来发现只需要更新到最新驱动，就可以了，而且gpu的驱动越高向下低版本的cuda toolkit都兼容,(下图是升级了gpu驱动后的)

前提是有gpu，和已经将路径添加到系统路径中
参考：https://blog.csdn.net/weixin_44010756/article/details/115802349
参数含义：
**GPU Fan：**风扇转速，0–100%
**Perf：**表示性能状态：P0 - P12, P12最小
Pwr:Usage/Cap： 表示GPU功耗
Disp.A：GPU的显示是否初始化
Memory-Usage 表示显存使用量
Volatile GPU-Util表示浮动GPU利用率
Uncorr. ECC错误检查和纠正码
**Compute M.**计算模式

若显示没有该命令，是因为没有将路径添加

查看GPU所有信息

nvidia-smi -q

电脑资源管理器的显示GPU显示的效率问题

参考：https://news.mydrivers.com/1/687/687715.htm

从下图看出，GPU的使用率低的可怜。这在进行一个神经网络训练过程中的GPU运行，但一旦增加训练批次中的样本个数就会出现gpu内存不够的情况，这也是不能理解
参考链接中说，gpu也分了好多块，看了一下计算的占用量


发现计算几乎占满，但gpu的利用率还是很低，