出现该问题通常是由于显卡设备调用问题,包括但不限于:
1. 超出显卡编号/不存在该显卡,解决方案:使用nvidia-smi确定显卡编号。
2.错误的调用/torch未正确安装 :
import torch
x = torch.rand(5, 5)
x = x.cuda() # 尝试将 tensor 移动到 GPU
print(x)
通过上述测试代码查看GPU能否正常调用。
3.通过前列排查确定环境/GPU/torch版本正常:则可以通过以下代码来进行device的重新传值解决问题:
device = torch.device('cuda:1')
其中 cuda:1更改为自己所需GPU的编号即可
本文主要探讨了在使用PyTorch时遇到的显卡设备调用问题,包括显卡编号不匹配、torch安装错误,以及如何通过NVIDIA-SMI工具确认硬件状态和通过device重新设置GPU编号来解决问题。

3万+

被折叠的 条评论
为什么被折叠?



