一、前提
1、在命令行使用nvidia-smi查看gpu设备情况，当存在空闲设备时才能用，否则会出现运行内存不够出错的情况（具体参考文章GPU之nvidia-smi命令详解）；
2、安装好cuda和cudcnn（具体步骤请参考：①windows：CUDA安装教程（超详细）），②linux：linux安装CUDA+cuDNN）
在命令行输入nvcc -V或者nvcc --version检查是否安装成功：
文章来源：https://www.toymoban.com/news/detail-589370.html
二、命令行直接指定
运行python文件时，在前面加上 CUDA_VISIBLE_DEVICES=xxx，xxx是你要指定的gpu序号。如CUDA_VISIBLE_DEVICES=0,2 python extract_masks.py表示指定了0、2号两个gpu。注意，序号是从0开始排的，所以如果你只有一个gpu，那么就是CUDA_VISIBLE_DEVICES=0 python extract_masks.py。
三、在python文件中指定
在需要运行的python文件最开始加上两行如下，等号后面的数字同上所述。
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0,2,3"
# 注意：这两行代码必须在文件的最开头，在加载各种包之前
四、如何使用
在python文件中，定义需要加速的模型之后，加上：
model = ......
model.train(True) or model.train(False) # 看你是要训练还是测试
model.to('cuda') # 或者model.cuda()
# 后面需要输入model的变量也是需要.to('cuda')或者.cuda()的，不然会报错既用了cpu又用gpu，不兼容
参考自python指定gpu运行文章来源地址https://www.toymoban.com/news/detail-589370.html
到了这里，关于深度学习之python使用指定gpu运行代码的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
