torch.cuda常用指令(torch.cuda.is_available())

torch.cuda常用指令

推荐整理分享torch.cuda常用指令(torch.cuda.is_available())，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:torch.cuda.current_device,torch.cuda.synchronize,torch.cuda.current_device,torch.cuda.current_device,torch.cuda.is_available() false,torch.cuda.synchronize(),torch.cuda.synchronize(),torch cuda false,内容如对您有帮助，希望把文章链接给更多的朋友！

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。

Pytorch通过cuda指令允许让模型、数据加载到GPU上，常用指令如下：1. torch.cuda.is_available()

cuda是否可用  

import torchprint(torch.cuda.is_available())

2. torch.cuda.device_count()

查看GPU数量

import torchprint(torch.cuda.device_count())

3. torch.cuda.get_device_name()

查看DEVICE（GPU）名

import torchprint(torch.cuda.get_device_name())

4. torch.cuda.current_device()

检查目前使用GPU的序号

import torchprint(torch.cuda.current_device())

5. torch.cuda.set_device()

指定使用的卡

torch.cuda.set_device(gpu_id) #单卡torch.cuda.set_device('cuda:'+str(gpu_ids)) #多卡

只指定主显卡，如下：

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

指定特定显卡，如下：

import torchimport osos.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2'torch.cuda.set_device(1)x = torch.tensor([[1,2,3],[4,5,6]]).cuda()print(x.device)

使用torch.cuda.set_device()可以更方便地将模型和数据加载到对应GPU上, 在定义模型之前加入一行代码即可，但是这种写法的优先级低，如果model.cuda()中指定了参数，那么torch.cuda.set_device()会失效，而且pytorch的官方文档中明确说明，不建议用户使用该方法。

6.  .cuda()

指定模型和数据加载到对应的GPU,以net.cuda()为例，加载方法为：

net.cuda(gpu_id) # 输入参数为int类型，只能指定一张显卡net.cuda('cuda:'+str(gpu_ids)) #输入参数为str类型，可指定多张显卡

只指定主显卡，如下：

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

指定特定显卡，如下：

import torchimport osos.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2'x = torch.tensor([[1,2,3],[4,5,6]]).cuda('cuda:1')print(x.device)