有如下兩種方法來指定需要使用的gpu。
類似tensorflow指定gpu的方式，使用cuda_visible_devices。
1.1 直接終端中設定：
cuda_visible_devices=1 python my_script.py
1.2 python**中設定：
import os
os.environ[「cuda_visible_devices」] = 「2」
見**：
使用函式 set_device
import torch
torch.cuda.set_device(id)
該函式見 pytorch-master\torch\cuda__init__.py。
不過官方建議使用cuda_visible_devices，不建議使用 set_device 函式。
by :
方法一：改變系統變數使得僅目標顯示卡可見
export cuda_visible_devices=0 #這裡是要使用的gpu編號，正常的話是從0開始
1然後再執行pytorch即可
方法二：使用torch.cuda介面
#在生成網路物件之前：
torch.cuda.set_device(0)12
方法三：使用多pytorch的並行gpu介面
net = torch.nn.dataparallel(model, device_ids=[0])
1方法四：初始化模型時
net = net.cuda(0)
---------------------
by：
PyTorch中使用指定的GPU
pytorch預設使用從0開始的gpu，如果gpu0正在執行程式，需要指定其他gpu。有如下兩種方法來指定需要使用的gpu。1.類似tensorflow指定gpu的方式，使用cuda visible devices。1.1 直接終端中設定 cuda visible devices 1 python ...
PyTorch中使用指定的GPU
pytorch預設使用從0開始的gpu，如果gpu0正在執行程式，需要指定其他gpu。有如下兩種方法來指定需要使用的gpu。1.類似tensorflow指定gpu的方式，使用cuda visible devices。1.1 直接終端中設定 cuda visible devices 1 python ...
PyTorch指定GPU裝置
pytorch預設使用從0開始的gpu，如果gpu0正在執行程式，需要指定其他gpu。有如下兩種方法來指定需要使用的gpu。1.類似tensorflow指定gpu的方式，使用cuda visible devices。1.1 直接終端中設定 cuda visible devices 1 python ...