Python 查看在哪个显卡启动

引言

在使用 Python 进行深度学习或其他 GPU 密集型任务时，确定正确的显卡对于获得最佳性能至关重要。 Python 提供了多种方法来查看正在使用的 GPU，本文将深入探讨这些方法，并提供示例代码。

方法 1：使用 torch.cuda.current_device()

PyTorch 是一个用于深度学习的流行 Python 库。它提供了一个 current_device() 方法，用于返回当前活动设备的索引。该方法如下所示：

“`python
import torch

currentdevice = torch.cuda.currentdevice()
print(“当前 GPU 设备索引：”, current_device)
“`

方法 2：使用 nvidia-smi 命令

nvidia-smi 是一个用于管理和监视 NVIDIA GPU 的命令行工具。它可以用来查看正在使用的 GPU 索引。以下命令将打印所有可用 GPU 的信息：


nvidia-smi -L


您可以在输出中找到正在使用的 GPU 设备索引。

方法 3：使用 psutil 库

psutil 是一个 Python 库，用于获取系统信息和进程统计数据。它还可以用来查看正在使用的 GPU，如下所示：

“`python
import psutil

gpu = psutil.Process().cpu_num()
print(“当前 GPU 设备索引：”, gpu)
“`

如何指定特定的 GPU

一旦您知道了当前正在使用的 GPU，就可以使用以下方法之一指定一个特定的 GPU：

• PyTorch：使用 torch.cuda.set_device() 方法设置设备索引。
• TensorFlow：使用 tf.device() 上下文管理器指定设备。
• CUDA：使用 CUDA_VISIBLE_DEVICES 环境变量指定要使用的 GPU。

示例

以下是一个使用 PyTorch 指定特定 GPU 的示例：

“`python
import torch

将 GPU 设备索引 0 指定为活动设备

torch.cuda.set_device(0)

验证设备是否已更改

currentdevice = torch.cuda.currentdevice()
print(“当前 GPU 设备索引：”, current_device)
“`

结论

在 Python 中查看正在使用的 GPU 至关重要，以便为 GPU 密集型任务优化性能。本文介绍了使用 torch.cuda.current_device(), nvidia-smi 命令和 psutil 库等多种方法来查看 GPU。另外，还提供了有关如何指定特定 GPU 的示例代码。

问答

1. 如何检查 Python 中可用的 GPU 数量？

   • 使用 torch.cuda.device_count() 方法。

2. 如何在不使用 PyTorch 的情况下查看 GPU 使用情况？

   • 使用 nvidia-smi 命令或 psutil 库。

3. 为什么指定正确的 GPU 很重要？

   • 优化 GPU 密集型任务的性能并避免潜在的内存错误。

4. 是否存在其他方法来指定 GPU 设备？

   • 是的，可以使用 tf.config.experimental.set_visible_devices()（TensorFlow）或 CUDA_VISIBLE_DEVICES 环境变量。

5. 如何重置默认 GPU 设备？

   • 使用 torch.cuda.set_device(None)（PyTorch）或 tf.device('/cpu:0')（TensorFlow）。