本文适合多GPU的机器，并且每个用户需要单独使用GPU训练。
虽然pytorch提供了指定gpu的几种方式，但是使用不当的话会遇到out of memory的问题，主要是因为pytorch会在第0块gpu上初始化，并且会占用一定空间的显存。这种情况下，经常会出现指定的gpu明明是空闲的，但是因为第0块gpu被占满而无法运行，一直报out of memory错误。
解决方案如下：
指定环境变量，屏蔽第0块gpu
CUDA_VISIBLE_DEVICES = 1 main.py |
这句话表示只有第1块gpu可见，其他gpu不可用，此时要注意第1块gpu已经变成第0块，因此代码里应该使用编号0来指定gpu。如果依然使用cuda:1会报invalid device ordinal。
当然也可以在代码里使用os模块达到同样效果：
import os #多块使用逗号隔开 os.environ['CUDA_VISIBLE_DEVICES'] = '1' |
使用torch.cuda.device with torch.cuda.device(1): ... |
注意这种情况下gpu编号也会改变
关于这个问题的讨论，感兴趣的也可以去这里查看cuda out of memory error when GPU0 memory is fully utilized -[-/a>
原文链接：https://blog.csdn.net/ax7399/article/details/84557410
相关文章
