怎么切换使用显卡,怎么切换用哪个卡的流量

　　前言，在pytorch中，当服务器上的gpu被占用时，很多时候我们想先用cpu调试代码，所以需要在gpu和cpu之间切换。

　　方法一：x.to (device)以device为可变参数，建议加载argparse:

　　使用gpu时：device=cudax.to(device) # x是张量，传递给cuda使用cpu时：device=cpux.to(device)方法二：使用x.cuda() CUDA_VISIBLE_DEVICES很多帖子都说x.cuda()和x .但是，其实可以用命令行参数CUDA_VISIBLE_DEVICES进行切换。

　　在服务器上创建python脚本t.py:

　　导入torch print(torch . cuda . device _ count())#可用GPU数量print(torch . cuda . is _ available())# GPU是否可用，先看一下正常运行情况：

　　执行命令：python t.py输出结果：因为服务器上有两个GPU，所以是我们想要的结果。2如果你想只使用一个gpu，你只需要在执行前添加一个参数：

　　Da _ visible _ devices=0 pythont.py比如我们要用gpu 0。接下来，我们来看看输出是什么：是！下面的程序gpu~ 1True里真的只有一个GPU可见，我们要用cpu怎么办？

　　da _ visible _ devices= python t . py输出结果：可以看到，虽然服务器上有2个CPU，但是通过设置执行参数，我们在程序中无法成功看到它们！0所以，回到正题，我们在使用x.cuda()分配gpu的时候，只需要使用torch.cuda.is_available()添加一个判断，当我们要使用cpu的时候，就可以通过执行程序的命令行参数来控制：

　　如果torch . cuda . is _ available():x=x . cuda()