说实话，之前我在笔记本上都一直都是只有一块N卡，所以没有过多关注过这个问题。然而昨天有个人问我，TensorRT怎么在多个GPU中指定模型推理GPU设备？我查了一下，发现官方有几个不同的解决方案，个人总结了一下，主要的做法有两种。
01 配置环境变量支持
该方法的好处是不需要修改代码，通过配置环境变量就可以实现指定的GPU运行，缺点是缺乏灵活性，特别是想切换不同GPU实现模型推理的时候，这个方法就弊端就比较明显。
CUDA编程中支持的指定GPU设备的环境变量为：
CUDA_VISIBLE_DEVICES
通过该系统的环境变量可以设置指定的单个GPU编号或者多个GPU编号合集，然后在程序测试与调试环境中使用。通过这种方式指定GPU编号执行模型推理，就无需修改代码，实现在单一指定的GPU上运行TensorRT推理程序。
02 代码指定GPU设备执行
一台机器上可能有多个GPU设备，通过CUDA编程可以查询机器上所有的GPU设备，查询这些设备的属性以及决定使用哪个GPU设备作为当前设备。
cudaGetDeviceCount
该函数可以查询到当前机器上GPU设备数目，然后遍历查询每个GPU设备的属性。官方教程给出的代码如下：
根据查询的设备数目，GPU编号从0开始，默认情况下当前使用的设备就是编号为0的GPU设备，通过函数cudaSetDevice()可以修改运行时使用GPU设备，在初始化TensorRT之前，先通过cudaSetDevice()函数修改默认的当前设备，然后再初始化就可以把TensorRT的模型绑定到指定编号的GPU设备上推理。以我的笔记本上为例，设置当前的GPU设备，然后初始化TensorRT代码如下：
在多个GPU设备上执行多个模型推理的初始化代码如下：
关于延时加载
TensorRT8.6支持CUDA Lazy Loading(延时加载)，开发者文档上说这种方式可以有效降低GPU显存与内存使用，加速初始化，节省模型初始化时间，可以通过环境变量配置实现延时加载支持，相关环境变量为：
CUDA_MODULE_LOADING=LAZY
参考资料：
https://developer.nvidia.com/blog/cuda-pro-tip-control-gpu-visibility-cuda_visible_devices/https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#multi-device