pytorch之多GPU使用——#CUDA_VISIBLE_DEVICES使用 #torch.nn.DataParallel() #报错解决


文章目录

  • 0. 显卡编号（什么是主卡）
  • 1. 使用所有存在的显卡
  • 2. 指定编号使用显卡
  • 3. os.environ["CUDA_VISIBLE_DEVICES"]详解
    • 3.1. ["CUDA_VISIBLE_DEVICES"]使用
    • 3.2. 关于设置["CUDA_VISIBLE_DEVICES"]无效的解决
  • 4. torch.cuda主要函数
    • 4.1. torch.cuda.is_available()判断GPU是否可用
    • 4.2. torch.cuda.device_count()查看可用GPU数量
    • 4.3. torch.cuda.current_device()查看当前使用的GPU序号
    • 4.4 其他一些函数
  • 5. 报错AssertionError: Invalid device id
  • 6. 报错RuntimeError: module must have its parameters and buffers on device cuda:1 (device_ids[0]) but found

主要讲单机多卡（单主机多GPUs训练）

使用多卡训练的方式有很多，当然前提是我们的设备中存在多个GPU：使用命令nvidia-smi查看当前Ubuntu平台的GPU数量，其中每个GPU被编上了序号：[0,1,2,3]
在这里插入图片描述

0. 显卡编号（什么是主卡）

在默认情况下，标号为0的显卡为主卡，如主机中有4块显卡，那么每张显卡的默认标号为[0,1,2,3]。

如何将其他显卡设置为主卡呢？

通过os.environ["CUDA_VISIBLE_DEVICES"]指定所要使用的显卡，如：

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = "3,2,0,1"
model = torch.nn.DataParallel(model, device_ids=[0,2,3]).cuda()

此时，3号显卡就变成了主卡，在使用torch.nn.DataParallel指定运算显卡时，显卡的对应关系如下：

1
2
3
4
5
实际显卡编号----->运算显卡编号
    3     ----->     0（主卡）
    2     ----->     1
    0     ----->     2
    1     ----->     3

1. 使用所有存在的显卡

在存在多卡的条件下，最简单的方法是直接使用torch.nn.DataParallel将你的模型wrap一下即可：

1
net = torch.nn.DataParallel(model)

这时，默认所有存在的显卡都会被使用

2. 指定编号使用显卡

如果有很多显卡(例如我们有4张显卡)，但只想使用0、1、2号显卡，那么可以：

1
net = torch.nn.DataParallel(model, device_ids=[0, 1, 2])

或者：

1
2
3
os.environ["CUDA_VISIBLE_DEVICES"] = ','.join(map(str, [0,1,2])) # 一般在程序开头设置
# 等价于os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2'
net = torch.nn.DataParallel(model)

CUDA_VISIBLE_DEVICES 表示当前可以被python环境程序检测到的显卡

如果只需要指定一张卡，可以使用torch.cuda.set_device(1)指定gpu使用编号
(不建议用这个方法)

1
2
torch.cuda.set_device(1)
print(torch.cuda.device_count()) #可用GPU数量

（我的机器是4卡，所以print结果是：4，说明用torch.cuda.set_device(1)指定，不会改变可见的显卡）
后面还可以用torch.nn.DataParallel(model, device_ids=[1, 2])进行指定，
但是必须包含set_device(1)指定的device:1的设备，缺点是仍然会存在占用一些device:0的gpu内存；

3. os.environ[“CUDA_VISIBLE_DEVICES”]详解

3.1. [“CUDA_VISIBLE_DEVICES”]使用

CUDA_VISIBLE_DEVICES 表示当前可以被python环境程序检测到的显卡

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = ','.join(map(str, [0,1,2])) # 一般在程序开头设置
# 等价于os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2'

os.environ["CUDA_VISIBLE_DEVICES"] = '1,2'进行指定使用设备
这样会修改pytorch感受的设备编号，pytorch感知的编号还是从device:0开始。如上则把1号显卡改为device:0，1号显卡改为device:1，使用时应该这么写：

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = '1,2'
torch.nn.DataParallel(model, device_ids=[0,1])

3.2. 关于设置[“CUDA_VISIBLE_DEVICES”]无效的解决

不生效的原因是，这一行代码放置的位置不对。
一定要把os.environ['CUDA_VISIBLE_DEVICES']='1'放在所有访问GPU的代码之前。

torch.cuda.device_count()

4. torch.cuda主要函数

4.1. torch.cuda.is_available()判断GPU是否可用

1
2
import torch
print(torch.cuda.is_available())

可用即为：True

4.2. torch.cuda.device_count()查看可用GPU数量

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2'
print(torch.cuda.device_count())

结果应该为：3

4.3. torch.cuda.current_device()查看当前使用的GPU序号

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = '1,2'
print(torch.cuda.current_device())

结果应该是：0
这样就证明了我们上面说的，os.environ["CUDA_VISIBLE_DEVICES"] = '1,2'进行指定使用设备，会修改pytorch感受的设备编号，pytorch感知的编号还是从device:0开始

4.4 其他一些函数

查看指定GPU的容量、名称

1
2
torch.cuda.get_device_capability(device)
torch.cuda.get_device_name(device)

清空程序占用的GPU资源

1
torch.cuda.empty_cache()

为GPU设置随机种子

1
2
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)

5. 报错AssertionError: Invalid device id

对模型进行gpu指定编号多gpu训练，必须要有所指定编号的gpu，不然会报AssertionError: Invalid device id错误

报错示例1：

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = '0,1' # 一般在程序开头设置
net = torch.nn.DataParallel(model,device_ids=[1, 2])

CUDA_VISIBLE_DEVICES 表示当前可以被python环境程序检测到的显卡，可见的只有0,1号显卡。
而使用torch.nn.DataParallel(model, device_ids=[1, 2])指定gpu编号会出现AssertionError: Invalid device id错误
原因：2号显卡没有设置被可见。

报错示例2：

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = '1,2' # 一般在程序开头设置
net = torch.nn.DataParallel(model,device_ids=[1, 2])

os.environ["CUDA_VISIBLE_DEVICES"] = '1,2'进行指定使用设备
这样会修改pytorch感受的设备编号，pytorch感知的编号还是从device:0开始
程序应该这么改：

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = ','.join(map(str, [1,2])) # 一般在程序开头设置
net = torch.nn.DataParallel(model,device_ids=[0, 1])

6. 报错RuntimeError: module must have its parameters and buffers on device cuda:1 (device_ids[0]) but found

PyTorch框架下，使用torch.nn.DataParallel进行多卡并行计算中可能会遇到该问题，是由于在多卡运算时主卡设置所导致。在多卡并行计算时，所使用的显卡中必须包含主卡，否则就会产生该问题。

如下代码中，主卡没有参与运算，就会导致该错误。

1
2
os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3' #这里主卡就是机器0号卡
model = torch.nn.DataParallel(model, device_ids=[1,2,3]).cuda()