如何验证pytorch能调用gpu（在GPU上运行pytorch程序（指定单/多显卡)）

时间2025-08-02 13:31:28分类IT科技浏览5507

导读：目录...

1. 使用CUDA_VISIBLE_DEVICES

使用CUDA_VISIBLE_DEVICES设置显卡https://blog.csdn.net/qq_43307074/article/details/127659967

2. 使用cuda()和torch.cuda.set_device()

torch.cuda常用指令https://blog.csdn.net/qq_43307074/article/details/127628498?spm=1001.2014.3001.5501方法1和方法2可以同时使用，比如在运行代码时使用：

CUDA_VISIBLE_DEVICES=2,3 python test.py

而在代码内部又指定：

model.cuda(1)

那么model会在GPU3上运行。原理是CUDA_VISIBLE_DEVICES遍历当前可见的设备，并从零开始为可见设备编号。CUDA_VISIBLE_DEVICES使得只有GPU2,3可见，程序就会把这两张显卡编号为GPU0,1,2,3 ，cuda(1)把model加载到了GPU1上，则实际使用的显卡是GPU3 。

如果利用.cuda()或torch.cuda.set_device()把模型加载到多个显卡上，而实际上只使用一张显卡运行程序的话，那么程序会把模型加载到第一显卡上，在运行代码时使用：

CUDA_VISIBLE_DEVICES=2,3 python test.py

而在代码内部又指定：

model.cuda(cuda:1,0)

那么model会在GPU3上运行。

3. 使用device

3.1. 检查所用的device

import torch x = torch.tensor([[1,2,3],[4,5,6]]) print(x.device)

3.2. 模型/数据指定GPU ，具体有以下几种形式：

import torch cuda = torch.device(cuda:0/cuda) x = torch.tensor([1,2,3],device = cuda) print(x.device) import torch device = torch.device(cuda:0/cuda) x = torch.rand((4,5)).to(device) print(x.device) import torch x = torch.tensor([1,2,3],device = torch.device(cuda:0/cuda) print(x.device) import torch device = torch.device(cuda:0/cuda) ... net = net.to(device) print(net.device)

经典写法：

device=torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

如果想要在其他GPU上运行，举例如下：

import torch import os os.environ[CUDA_VISIBLE_DEVICES] = 0,1,2 cuda = torch.device(cuda:1) x = torch.tensor([[1,2,3]],device = cuda) print(x.device)

4. 使用torch.nn.DataParallel

多卡数据并行一般使用torch.nn.DataParallel

torch.nn.DataParallel(model,device_ids) 举例： torch.nn.DataParallel(model, device_ids=device_ids) torch.nn.DataParallel(modul, device_ids=[x1,x2,x3,x4,x5,x6,x7]) # 使用的GPU一定是编号连续的 torch.nn.DataParallel(model,device_ids = range(torch.cuda.device_count()) )

其中model是需要运行的模型，device_ids指定部署模型的显卡，数据类型是list/device 。

device_ids中的第一个GPU（即device_ids[0]）和model.cuda()或torch.cuda.set_device()中的第一个GPU序号应保持一致，否则会报错。此外如果两者的第一个GPU序号都不是0,比如设置为：

model=torch.nn.DataParallel(model,device_ids=[2,3]) model.cuda(2)

那么程序可以在GPU2和GPU3上正常运行。device_ids的默认值是使用可见的GPU ，不设置model.cuda()或torch.cuda.set_device()等效于设置了model.cuda(0)

具体举例如下：

model = model.cuda() device_ids = [0, 1] model = torch.nn.DataParallel(model, device_ids=device_ids) model = model.to(device) model = nn.DataParallel(model, device_ids=[0,1,2,3]) device_ids = [0, 1] model = torch.nn.DataParallel(model, device_ids=device_ids).cuda()

所有的数据要先load到主GPU上，然后再分发给每个GPU去train，因此应当将model先放到GPU上，然后在进行并行训练。

参考

在pytorch中指定显卡https://zhuanlan.zhihu.com/p/166161217