在 Linux 下使用 PyTorch 查看 GPU 信息,常用方法如下:
import torch
print(torch.cuda.is_available()) # True 表示可用
print(torch.cuda.device_count()) # GPU 数量
print(torch.cuda.current_device()) # 当前 GPU 索引
print(torch.cuda.get_device_name(0)) # 第 0 块 GPU 名称
import torch
print(torch.cuda.memory_allocated()) # 已分配显存(字节)
print(torch.cuda.memory_reserved()) # 保留显存(字节)
print(torch.cuda.max_memory_allocated())
nvidia-smi
实时刷新:
watch -n 1 nvidia-smi
查看简要信息:
nvidia-smi -L
import torch
print(torch.version.cuda)
print(torch.backends.cudnn.version())
系统级 CUDA:
nvcc --version
import torch
device = torch.device("cuda:0")
x = torch.randn(3,3).to(device)
或运行前:
CUDA_VISIBLE_DEVICES=0,1 python train.py
如果你遇到 GPU 不可用 / CUDA 不匹配 的问题,也可以把报错贴出来,我可以帮你排查。