[pytorch]torch.cuda用法以及判断显卡是不是存在问题

常见用法:

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

场景问题:我使用torch.cuda.device_count()返回1但是我用nvidia-smi显示是2个显卡,这个是为啥呢?

第一个原因:你在环境变量设置了CUDA_VISIBLE_DEVICES

第二个原因:你显卡坏了一个,如何判断是不是坏了可以使用上面接口测试

import torch

device=torch.device("cuda:0")

print(torch.cuda.get_device_capability(device))

把0改成1如果报错则表示1这个显卡有问题或者不存在,据此可以判断显卡坏了。但是这个只是系统层面表示坏了。还需要进一步判断。首先重启系统在测试一次,不行就把显卡拔插一下,依然不行则做最后尝试把系统重装一次(这个一般都没效果),还不行只能说明显卡坏了。

相关推荐
思考着亮8 分钟前
7.限流、安全防护、缓存分流与模型容灾
人工智能
nbsaas-boot20 分钟前
多智能体系统的架构边界:任务编排、共享状态与故障隔离设计
人工智能·算法·动态规划
嘿嘿-6622 分钟前
GPT-6 Astra 新手快速上手指南
人工智能·gpt·ai·chatgpt·ai编程
大熊背24 分钟前
基于 CFA 阵列特征的自适应去马赛克算法(二)
图像处理·人工智能·计算机视觉·插值·去马赛克
oort12331 分钟前
OortCloud Token Plan
大数据·人工智能·开源
flyinsono39 分钟前
宠物医疗数字化升级,选对工具少走弯路
人工智能·宠物
VivienneLuo39 分钟前
3. 联邦图学习-《Federated Graph Neural Networks: Overview, Techniques and Challenges》
人工智能·gnn·联邦学习
Sky1987star43 分钟前
产品资料更新后,怎样让 AI 内容与客服同步生效?
大数据·人工智能
flyinsono1 小时前
单体宠物诊所数字化转型,选对管理系统少走弯路
大数据·人工智能·宠物
cxr8281 小时前
AI时代科学研究思维框架的适应性分析与检查清单构建
大数据·人工智能·认知框架