在使用gpu進行深度學習實驗，了解gpu的狀態非常重要
1、nvidia-smi
顯示gpu當前的狀態和屬性
gpu ：gpu 編號；
name ：gpu 型號；
persistence-m ：持續模式的狀態。持續模式雖然耗能大，但是在新的gpu應用啟動時，花費的時間更少，這裡顯示的是off的狀態；
fan ：風扇轉速，從0到100%之間變動，n/a表示沒有風扇；
temp ：溫度，單位是攝氏度；
perf ：效能狀態，從p0到p12，p0表示最大效能，p12表示最小效能（即 gpu 未工作時為p0，達到最大工作限度時為p12）。
pwr:usage/cap：能耗；
memory usage ：視訊記憶體使用率；
bus-id ：涉及gpu匯流排的東西，domain:bus:device.function；
disp.a ：display active，表示gpu的顯示是否初始化；
volatile gpu-util：浮動的gpu利用率；
uncorr. ecc ：error correcting code，錯誤檢查與糾正；
compute m ：compute mode，計算模式。
下面的processes是正在執行的程式程序情況
2、指定gpu執行程式
cuda_visible_devices=裝置編號 python main.py
在某個指定裝置編號下執行程式，或者直接寫到程式中
os.environ["cuda_device_order"]="pci_bus_id" #按照pci_bus_id順序從0開始排列gpu裝置
os.environ["cuda_visible_devices"]="0" #設定當前使用的gpu裝置僅為0號裝置 裝置名稱為 『/gpu:0』
這樣的表達更為靈活
參考：
1、
離線安裝tensorflow gpu
前言 安裝前先確定電腦可以使用gpu執行tensorflow，否則浪費時間。nvidia 英偉達 官網官網檢視顯示卡是否支援gpu執行，compute capability需要在3.0及以上，否則安裝後，不能用gpu執行程式，會自動呼叫cpu執行。nvidia官網 密碼 0pmq 檔案列表 anac...
Tensorflow gpu版本安裝
這裡安裝想要嘗試最新的cuda10.1，但是失敗了，得到的教訓就是要嚴格的按照官方的版本要求。因為tensorflow1.13是基於cuda10的並沒有整合10.1，個人推測，兩家是不同的公司cuda10.1正常不會想到要相容自己的上層應用，或者s是tf直接寫死的需要cuda10。不管怎樣，現在總結...
TensorFlow GPU環境搭建
你們可能看不懂，因為主要是為了自己看 笑哭 顯示卡product gp104 geforce gtx 1080 10de 1b80 版本 ubantu 18.04 anaconda3 nvidia 930 cuda 91 cudnn 7.04 tensorflow gpu 1.13.1 一 uban...