windows下杀死GPU进程

切断gpu进程，jupyter notebook中会显示kernel切断，以此重新开始。

它是 NVIDIA 系统管理接口（NVIDIA System Management Interface）的命令行工具，用于监控和管理 NVIDIA GPU 设备。它提供了一种快速查看 GPU 状态、使用情况、温度、内存使用情况、电源使用情况以及运行在 GPU 上的进程等信息的方法。第一个命令会为所有 GPU 设置为性能模式，第二个命令只针对 ID 为 0 的 GPU。信号可以被进程捕获并处理，从而允许进程在退出前进行清理工作。这会强制结束 GPU ID 为 0 上的 PID 为 12345 的进程。

GPU运行的时候经常会存在显存不足的情况，这里需要将其kill掉. 可以直接用以下语句进行删除 kill -9 PID 其中的PID，可以通过下面的语句来进行查询。 nvidia-smi 如果需要动态的显示显卡的使用情况，则需要用一下的命令： watch -n cycle nvidia-smi 注意，将其中的cycle替换为一个具体的数字，单位为s，如1 ...

的显存仍然没有释放掉，因此需要使用命令结束它，在跑深度学习的时候，有时候在终端使用。

Windows系统杀死GPU进程释放显存，杀死多余的GPU任务，释放显存

解决 Windows下GPU爆显存问题

1.打开cmd 2.键入nividia-smi 3.找到想杀死的进程，记下pid 4.键入taskkill /pid 你想杀死的pid号 /f √ 最近跑模型老是out of memory，感觉不是内存太小的原因，因为有时候能够正常跑起来的，而每次重启之后就没有这个问题，故猜测是反复跑模型，有些进程没关闭就开了新进程，导致GPU爆。 没找到比较简洁的说这个事的教程，自己码了一个。 ...

。

1.首先查看GPU中正在运行的程序： 记录PID号 2.执行kill -9 40705(PID)就可以杀死进程了。

关闭显卡进程

一行指令杀死占用显存的僵尸进程

kill杀死程序流程检查GPU进程nvidia-smi单卡任务kill指令kill -GPU索引号 -PID多卡任务kill指令fuser -v /dev/nvidia*kill -PID小结 最近在学习Pytorch的DistributedDataParallel API进行多GPU并行计算的实现，并行虽好，但是一旦代码有bug手动强行终止运行，经常出现部分进程还没终止的现象，还在后台运行占用资源，必须手动杀死进程。然而kill进程却没那么顺利，有些进程怎么也杀不死，看了好些方法都没用，最后自己摸索了出来

ps aux|grep 关键字 ps aux :查询占用gpu的进程 kill -s 9 pid (pid是进程编号)

问题描述：在Linux终端把进程终止后，发现显存没有被释放出来！

https://zhuanlan.zhihu.com/p/506686899

深度学习代码中，经常使用多个gpu进行训练，有时需要高效地一次性kill掉部署在多gpu上的进程。

在刚刚接触linux系统中存在一些操作上的区别，本文就linux常用命令进行一定介绍，主要包括：强制结束进程、tmux关机状态训练网络、以及如何解决rm: command not found。并简要介绍如果利用单GPU训练网络防止对多个GPU的资源占用。

nvidia-smi命令详解