基于pytorch训练卷积神经网络,在多gpu环境下并行训练,会有一个主显卡,相比于其他显卡,它还需统计其他显卡发送的梯度等参数进行下一步计算,因此需要更大的显存。默认情况下,会以0号显卡为主显卡。若0号显卡被其他程序占部分内存,为主显卡可能会因为内存不足oom,可以将指定其他显卡为主显卡,在程序运行命令前加:CUDA_VISIBLE_DEVICES=3,0,1,2 就会指定3号为主显卡,且在4块GPU上并行训练。例:CUDA_VISIBLE_DEVICES=3,0,1,2 python main.py
【linux】指定程序运行的主显卡
最新推荐文章于 2025-06-08 09:54:43 发布
本文介绍如何在PyTorch中设置多GPU并行训练,避免因主显卡内存不足导致的问题。通过调整CUDA_VISIBLE_DEVICES环境变量,可以指定主显卡,实现更高效稳定的训练过程。
Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版
Qwen
文本生成
Qwen3
本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化,内置完整运行环境与 Qwen3-32B 模型依赖,开箱即用。
您可能感兴趣的与本文相关的镜像
Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版
Qwen
文本生成
Qwen3
本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化,内置完整运行环境与 Qwen3-32B 模型依赖,开箱即用。

1496

被折叠的 条评论
为什么被折叠?



