CUDA_VISIBLE_DEVICES‘ 不是内部或外部命令，也不是可运行的程序或批处理文件。

问题：

命令行出现CUDA_VISIBLE_DEVICES=0 python trainer.py这种命令
这是Linux可以的，但是Windows不行。

解决方案：

这条命令的含义是指定某个GPU来运行程序，我们可以在程序开头添加指定GPU的代码，效果是一样的：

    import os
    os.environ["CUDA_VISIBLE_DEVICES"]='0'

或者在程序外部cmd命令行里执行以下命令，设置临时变量：

set CUDA_VISIBLE_DEVICES=0

或者直接添加到环境变量，同时记得删除原命令的CUDA_VISIBLE_DEVICES=0

在这里插入图片描述

GPU卡号编码规则：

当主机有多个GPU设备时，设置CUDA_VISIBLE_DEVICES 环境变量可以改变CUDA程序所能使用的GPU设备。假如主机中有4块GPU设备，那么这些GPU设备的默认编号为[0,1,2,3]，在默认情况下，编号为0的显卡为第一块卡。多卡设置规则如下：
在这里插入图片描述

备注规则：

CUDA应用运行时，CUDA将遍历当前可见的设备，并从零开始为可见设备编号。
第一种情况，卡1设置为主卡，但CUDA遍历时会设置为可见编号0。
最后一种情况，设备0,2,3将显示为设备0,1,2。
如果将字符串的顺序更改为“2,3,0”，则设备2,3,0将分别被设置为0,1,2。
如果为CUDA_VISIBLE_DEVICES 设置了不存在的设备，所有实际设备将被隐藏，CUDA 应用将无法使用GPU设备；如果设备序列是存在和不存在设备的混合，那么不存在设备前的所有存在设备将被重新编号，不存在设备之后的所有设备将被屏蔽。
当前可见的（重新编号后的）设备可使用CUDA 程序来查看，代码如下：

import torch
print(torch.cuda.current_device())

1. 临时设置

1.1 命令提前设置环境变量

#Linux： 后面的值为要使用的GPU编号，正常的话是从0开始
export CUDA_VISIBLE_DEVICES=0
#windows: 
set CUDA_VISIBLE_DEVICES=0

1.2 Python代码中设置环境变量

import os
# 仅设置一块可见
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
# 设置多块可见
os.environ['CUDA_VISIBLE_DEVICES'] = '0,2,3'

1.3 命令行前指定

# 以下方法linux可用， windows 需要提前设置环境变量
CUDA_VISIBLE_DEVICES=0 python some-app.py

2. 永久设置

2.1 linux

通过编辑 ~/.bashrc 文件来永久设置，系统启动时将加载 ~/.bashrc 文件，达到自动设置的目的。

export CUDA_VISIBLE_DEVICES=1,2,3

然后通过如下命令刷新环境变量

. ~/.bashrc

2.2 windows

添加到环境变量，同时记得删除原命令的CUDA_VISIBLE_DEVICES=0

在这里插入图片描述

3. 使用torch.cuda接口

import torch
#当前可见的（重新编号后的）设备可使用如下代码来查看
print(torch.cuda.current_device())
 
torch.cuda.set_device(0)
#或者 使用pytorch的并行GPU接口
net = torch.nn.DataParallel(model, device_ids=[0])
 
#确定GPU的个数
count = torch.cuda.device_count()
#决策使用哪个设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
 
#把一个模型放到GPU上
 
device = torch.device("cuda:0")
model.to(device)

4. 使用torch.nn.DataParallel

多卡数据并行一般使用torch.nn.DataParallel

torch.nn.DataParallel(model,device_ids)
 
'''
 使用的GPU一定是编号连续的
 其中model是需要运行的模型，device_ids指定部署模型的显卡，数据类型是list/device。
 device_ids中的第一个GPU（即device_ids[0]）和model.cuda()或torch.cuda.set_device()中的第一个GPU序号应保持一致，否则会报错
举例：
'''
torch.nn.DataParallel(model, device_ids=device_ids)
torch.nn.DataParallel(modul, device_ids=[x1,x2,x3,x4,x5,x6,x7])
 
torch.nn.DataParallel(model,device_ids = range(torch.cuda.device_count()) )

此外如果两者的第一个GPU序号都不是0,比如设置为：

'''
如下代码，程序可以在GPU2和GPU3上正常运行。
device_ids的默认值是使用可见的GPU，不设置model.cuda()或torch.cuda.set_device()等效于设置了model.cuda(0)
'''
model=torch.nn.DataParallel(model,device_ids=[2,3])
model.cuda(2)
 
#模型绑定GPU代码
model = model.cuda() 
device_ids = [0, 1] 	
model = torch.nn.DataParallel(model, device_ids=device_ids)