部分深度学习网络默认是多卡并行训练的，由于某些原因，有时需要指定在某单卡上训练，最近遇到一个，这里总结如下。
一、多卡训练
1.1 修改配置文件
1.2 修改主训练文件
if torch.cuda.is_available() and ngpu > 1: # 当 torch.cuda.is_available() 为真且 ngpu > 1 时
model = nn.DataParallel(model, device_ids=list(range(ngpu)))
model = nn.DataParallel(model, device_ids=list(range(ngpu)))：
此行代码创建了一个 DataParallel包装器，用于在多个GPU上并行处理神经网络模型。DataParallel 是 PyTorch 中的一个模块，它可以将输入数据分割并发送到不同的GPU进行处理，然后汇总结果。
device_ids=list(range(ngpu))：指定要使用的GPU。在这里，它使用了所有可用的GPU，数量上限为指定的 ngpu。
1.3 显卡使用情况
二、单卡训练
2.1 修改配置文件
2.2 显卡使用情况
三、总结
以上就是多卡GPU训练与单卡GPU训练相互切换的操作过程，希望能帮到你，谢谢！
原文地址:https://blog.csdn.net/qq_40280673/article/details/134730561
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_25762.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
