指定gpu训练模型却依然使用了cpu问题解决

环境

linux系统下有一块gpu，CUDA版本为11.3，conda环境下已安装pytorch

问题

模型训练时通过以下代码指定使用gpu进行训练：

结果模型依然在cpu上进行训练

解决方法

用以下代码测试cuda是否可用：

import torchif_cuda = torch.cuda.is_available()
print("if_cuda=",if_cuda)
gpu_count = torch.cuda.device_count()
print("gpu_count=",gpu_count)

运行结果为False和0，说明cuda不可用
运行conda list，发现环境中安装的pytorch是cpuonly的，因此导致了无法使用gpu训练。

使用conda uninstall pytorch卸载掉原来的pytorch，重新安装就好。
（安装pytorch过程又遇到一系列麻烦，下篇博客记录~）

指定gpu训练模型却依然使用了cpu问题解决相关推荐

CentOS查看显卡及GPU相关信息,指定GPU、CPU运行
一.查看信息在一套标准的系统上通常有多个计算设备. TensorFlow 支持 CPU 和 GPU 这两种设备. 我们用指定字符串 strings 来标识这些设备. 比如: "/cpu:0 ...
查看和指定GPU服务器显卡训练模型
查看和指定GPU服务器显卡 1.查看显卡 2.间隔查看GPU使用情况 3.查看当前显卡信息 4. 使用os指定使用的显卡 1.查看显卡 nvidia-smi GPU:GPU 编号:与实际编号不一定一致 ...
python指定Gpu
PyTorch默认使用从0开始的GPU,如果GPU0正在运行程序,需要指定其他GPU. 有如下两种方法来指定需要使用的GPU. 1. 类似tensorflow指定GPU的方式,使用CUDA_VISIB ...
速成pytorch学习——11天. 使用GPU训练模型
深度学习的训练过程常常非常耗时,一个模型训练几个小时是家常便饭,训练几天也是常有的事情,有时候甚至要训练几十天. 训练过程的耗时主要来自于两个部分,一部分来自数据准备,另一部分来自参数迭代. 当数据准 ...
conda安装GPU版pytorch，结果却是cpu版本[找到问题根源，从容解决]
conda安装GPU版pytorch,结果却是cpu版本[找到问题根源,从容解决] 一.问题描述二.网上解决方案罗列[此节为反面方案罗列!!!] 三.发现的根本原因[独家] 3.1 pytorch文 ...
CUDA指定GPU的使用方法
转自:https://blog.csdn.net/qq_36427732/article/details/79017835 2.1 下面方法是直接在终端运行时加入相关语句实现指定GPU的使用 expo ...
Pytorch使用GPU训练模型加速
Pytorch使用GPU训练模型加速深度学习神经网络训练经常很耗时,耗时主要来自两个部分,数据准备和自参数迭代. 当数据准备是主要耗时原因时,采用多进程准备数据.当迭代过程是训练耗时主力时,采用GP ...
pytorch指定gpu
参考:https://www.jianshu.com/p/a014016723d8 1. 改变系统变量使得仅目标显卡可见 export CUDA_VISIBLE_DEVICES=0 #这里是要使用的G ...
深度学习笔记：windows+tensorflow 指定GPU占用内存（解决gpu爆炸问题）
目录文章目录目录前言一.指定显卡二.限制GPU用量 1.设置使用GPU的百分比进行配置,使用30%的GPU 设置session 2.GPU按需使用三.指定GPU并且限制GPU用量指定第 ...

指定gpu训练模型却依然使用了cpu问题解决

环境

问题

解决方法

指定gpu训练模型却依然使用了cpu问题解决相关推荐

最新文章

热门文章