pytorch使用指定GPU训练

本文适合多GPU的机器，并且每个用户需要单独使用GPU训练。

虽然pytorch提供了指定gpu的几种方式，但是使用不当的话会遇到out of memory的问题，主要是因为pytorch会在第0块gpu上初始化，并且会占用一定空间的显存。这种情况下，经常会出现指定的gpu明明是空闲的，但是因为第0块gpu被占满而无法运行，一直报out of memory错误。解决方案如下：

1. 指定环境变量，屏蔽第0块gpu

CUDA_VISIBLE_DEVICES = 1 main.py

这句话表示只有第1块gpu可见，其他gpu不可用，此时要注意第1块gpu已经变成第0块，因此代码里应该使用编号0来指定gpu。如果依然使用cuda:1会报invalid device ordinal。
当然也可以在代码里使用os模块达到同样效果：

import os

#多块使用逗号隔开
os.environ['CUDA_VISIBLE_DEVICES'] = '1'

2. 使用torch.cuda.device

with torch.cuda.device(1):
	...

注意这种情况下gpu编号也会改变

关于这个问题的讨论，感兴趣的也可以去这里查看cuda out of memory error when GPU0 memory is fully utilized