简介

pytorch多卡相应内容学习总结    
    
    
，本着勤能补拙的态度    


     


     


    ，希望能够更好地提升自我能力    
    
    
。

1. 服务器信息查询

CPU查询 # 查看CPU信息 cat /proc/cpuinfo | grep "physical id" | uniq | wc -l #查看CPU个数 cat /proc/cpuinfo | grep "cpu cores" | uniq #查看CPU核数 cat /proc/cpuinfo | grep model name |uniq #查看CPU型号 GPU查询 # 查看GPU信息 sudo dpkg --list | grep nvidia-* # 查看驱动版本 lshw -c video #查看显卡型号 $ lspci | grep -i nvidia # 可以查询所有nvidia显卡 $ lspci -v -s [显卡编号] # 可以查看显卡具体属性 $ nvidia-smi # 可以查看显卡的显存利用率 $ cat /etc/issue # 查看Linux发布版本号 $ lsb_release -a # 查看Linux发布版本号 $ uname -sr # 查看内核版本号 $ uname -a # 查看内核版本号

lspci是一种实用程序




 




 




 


，用于在系统中显示有关pci总线的信息以及连接到它们的设备    


     


     


    。

CUDA版本 nvidia-smi # 右上角CUDA Version   

   

   

，但可能不准确     

     

     

   ，推荐使用下面命令 nvcc -V

以nvcc -V查询为主

实时查看nvidia-smi nvidia-smi -l 1 # 以每秒刷新一次进行信息




  




  




  

，结果为1s一次输出nvidia-smi
  


  


  


，不流畅     
     
     
  ，建议使用吓一条命令 watch -n 1 nvidia-smi # 会在同一位置处1s更新窗口信息

2. torch.cuda

显卡信息查看 torch.cuda.is_available() # 查看是否有可用GPU torch.cuda.device_count() # 查看GPU数量 torch.cuda.get_device_capability(device) # 查看指定GPU容量 torch.cuda.get_device_name(device) # 查看指定GPU名称 torch.cuda.empty_cache() # 清空程序占用的GPU资源 torch.cuda.manual_seed(seed) # 设置随机种子 torch.cuda.manual_seed_all(seed) # 设置随机种子 torch.cuda.get_device_properties(i) # i为第几张卡 




   




   




   
，显示该卡的详细信息

平时在模型中可以增肌信息输出

s = fMODEL 🚀 torch {torch.__version__} n = torch.cuda.device_count() space = * (len(s)+1) for d in range(n): p = torch.cuda.get_device_properties(d) s += f"{ if d == 0 else space}CUDA:{d} ({p.name}, {p.total_memory / 1024 ** 2}MB)\n" # bytes to MB print(s)

效果

指定使用显卡

通过os.environ["CUDA_VISIBLE_DEVICES"]指定所要使用的显卡： import os os.environ[CUDA_VISIBLE_DEVICES] = "2,1,3,4" print("torch.cuda.device_count() {}".format(torch.cuda.device_count()))

这种设置方式

 



 



 



，2号卡就变成了主卡




 




 




 


。CUDA_VISIBLE_DEVICES 表示当前可以被python环境程序检测到的显卡   

   

   

。os.environ["CUDA_VISIBLE_DEVICES"] = "2,1,3,4"进行指定使用设备                ，这样会修改pytorch感受的设备编号  




    




    




    ，pytorch感知的编号还是从device:0开始     

     

     

   。如上会把2号显卡改为device:0

















，1号显卡改为device:1




  




  




  

。

如果有多个显卡               ，设置了os.environ["CUDA_VISIBLE_DEVICES"]后   



     



     



     ，其他没有设置的显卡将不会在本次代码中显示
  


  


  


。os.environ["CUDA_VISIBLE_DEVICES"]需要设置在代码开头     
     
     
  。

另外

















，使用终端也可以直接选择选择显卡    
    
    
，输入CUDA_VISIBLE_DEVICES=0 python train.py也可以

一些冷门知识补充（自取）

http://t.csdn.cn/mQH9y