使用nvidia-smi來查詢gpu資訊
nvidia-smi是乙個命令列工具，可以幫助你管理操作gpu device，並且允許你查詢和更改device狀態。
在windows命令提示符中輸入cd c:\program files\nvidia corporation\nvsmi，再輸入nvidia-smi即可
nvidia-smi用處很多，比如，下面的指令可列出電腦上的可用gpu列表：
$ nvidia-smi -l
gpu 0: geforce 940mx (uuid: gpu-1d8cce6d-84a3-fd64-e2e5-76b2489b91fd)
如果電腦上有多塊gpu可以供使用，比如gpu 0~5，這個時候我們可以使用環境變數cuda_visible_devices來解決這個問題。
比如：cuda_visible_devices=1 只有編號為1的gpu對程式是可見的，在**中gpu[0]指的就是gpu1
cuda_visible_devices=1,3,5 只有編號為1,3,5的gpu對程式是可見的，在**中gpu[0],gpu[1],gpu[2]分別對應gpu1,3,5
cuda_visible_devices=2,0,3 只有編號為2,0,3的gpu對程式是可見的，在**中gpu[0],gpu[1],gpu[2]分別對應gpu2,0,3
可以設定永久環境變數或臨時環境變數。
設定永久環境變數，需要到我的電腦-屬性-系統高階設定-環境變數，新增同名同值變數；
設定python執行時的臨時環境變數，可在初始化需要呼叫gpu的**之前，執行以下操作：
import os
os.environ["cuda_visible_devices"]='0'
可執行以下**檢視臨時環境變數：
os.environ.get('cuda_visible_devices')
Win10 GPU 深度學習環境搭建
win10 matlab2016a vs2015 cpu gpu matconvnet cuda9.1配置問題解決方法 win10 matlab2016b vs2015 cpu gpu matconvnet cuda9.0配置問題解決方法 win7 matlab2016a vs2015 cpu gp...
深度學習的GPU型號和引數選擇
關於深度學習的nvidia的gpu加速網路訓練引數效能測試 英偉達rtx 30系列已出，有預算的，建議直接30系列了 深度學習注重的引數有兩個，分別是視訊記憶體頻寬和單精度浮點計算能力 這裡不考慮雙精度浮點計算能力 視訊記憶體頻寬計算涉及到的顯示卡引數 視訊記憶體位寬 位 視訊記憶體頻率 mhz 單...
有無GPU執行深度學習mnist資料集時間對比
本人用的是 lenovo小新銳7000筆記本，cpu是intel core i5 7300q 四核，記憶體4g，機械硬碟320g，雙顯示卡，整合intel hd graphics630 獨顯 geforce gtx 1050，這塊顯示卡位寬128bit,視訊記憶體2g,有640個cuda核心。系統環...