[Notes] Pytorch中DDP(DistributedDataParallel)指定显卡/GPU运行的方式

本文介绍了如何查看CUDA设备的可用性,并通过设置CUDA_VISIBLE_DEVICES环境变量来屏蔽不可用GPU。同时,演示了如何避免冲突,自定义端口运行多进程分布式训练任务,确保在指定的GPU上执行Python的mtorch.distributed.launch脚本。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

先看看哪些卡空闲/可用,使用CUDA_VISIBLE_DEVICES屏蔽掉不可用的卡

# 1 2 4 7号卡可用
CUDA_VISIBLE_DEVICES="1,2,4,7" python -m torch.distributed.launch --nproc_per_node 4 main.py

#避免冲突 自定义端口
CUDA_VISIBLE_DEVICES="1,2,4,7" python -m torch.distributed.launch --nproc_per_node 4 --master_port YourPort main.py
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值