Step1 使用包管理软件Anaconda
- 下载Anaconda安装包。
- 安装Anaconda,不使用sudo,这样就会安装在当前用户下,并且配置的自启动的脚本,也不会对其他用户造成影响。
- 创建环境(创建时需要创建python和pip,可见这篇文章),在环境中安装需要的包,直接pip install就好,如果因为在国内速度慢,则可以加上-i选项来指定某个国内的镜像源,可见这篇文章。
Step2 在运行Python前指定可见的GPU的编号
例如:
CUDA_VISIBLE_DEVICES=1,2 python3
顺便附上一段TensorFlow检测当前可见cuda的函数:
from tensorflow.python.client import device_lib
def get_available_gpus():
local_device_protos = device_lib.list_local_devices()
return [x.name for x in local_device_protos if x.device_type == 'GPU']
来自:这个回答
我这里测试的结果是,比如给出两个GPU可见,则返回的编号仍然会从0开始编号,而不是实际的编号。