python运行程序设置指定GPU(查看GPU使用情况)

最新推荐文章于 2025-06-15 08:16:13 发布

原创最新推荐文章于 2025-06-15 08:16:13 发布 · 4.6w 阅读

140 ·

CC 4.0 BY-SA版权

文章标签：

#python #windows #深度学习

pytorch 同时被 3 个专栏收录

13 篇文章

订阅专栏

Linux

8 篇文章

订阅专栏

技能

4 篇文章

订阅专栏

本文介绍如何通过Python脚本及命令行指定使用特定GPU设备的方法，并提供了三种实用的GPU监控命令，帮助读者有效管理和监控GPU资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文章已经生成可运行项目，

常见的两种使用方式如下：

一、python文件里设置指定GPU

一般情况：

import os 
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"  #（保证程序cuda序号与实际cuda序号对应）
os.environ['CUDA_VISIBLE_DEVICES'] = "0,1"  #（代表仅使用第0，1号GPU）

单GPU：

os.environ["CUDA_VISIBLE_DEVICES"] = "2"  #代表只使用第3个gpu

而没设置的时候一般会只用第0号GPU。

二、命令行运行设置指定GPU

单GPU:

CUDA_VISIBLE_DEVICES=2 python train.py

多GPU:

CUDA_VISIBLE_DEVICES=2,3,4 python train.py

附三种查看GPU使用情况的命令：

(1)使用nvidia相关命令

nvidia-smi简称NVSMI，提供监控GPU使用情况和更改GPU状态的功能，是一个跨平台工具，它支持Linux以及从Windows系统。

nvidia-smi
watch -n 1 -d nvidia-smi # 每隔一秒刷新一次

效果如下：
在这里插入图片描述

(2)使用gpustat库可实时监测

安装gpustat库。

pip install gpustat

运行命令

gpustat --w

效果如下：
在这里插入图片描述

(3)使用python的pynvml库

安装pynvml库。

pip install pynvml

下面为使用示例：

import pynvml
pynvml.nvmlInit()
handle = pynvml.nvmlDeviceGetHandleByIndex(0) # 指定显卡号
meminfo = pynvml.nvmlDeviceGetMemoryInfo(handle)
print(meminfo.total/1024**2) #总的显存大小（float）
print(meminfo.used/1024**2)  #已用显存大小（float）
print(meminfo.free/1024**2)  #剩余显存大小（float）

本文章已经生成可运行项目