频繁开关运行pycharm程序，导致GPU被沾满的解决办法

最新推荐文章于 2025-04-15 19:48:57 发布

原创最新推荐文章于 2025-04-15 19:48:57 发布 · 4.1k 阅读

13 ·

CC 4.0 BY-SA版权

本文介绍了一种在PyCharm环境下终止Python程序并释放GPU资源的方法。当PyCharm运行的Python程序未正常关闭导致GPU资源被占用时，可以通过查找并杀死对应的进程来释放资源。

本人频繁在pycharm下run程序，经常终止，可能其后台运行的Python程序没有关闭，所以耗尽GPU资源。现象是占用GPU的进场ID为空，即nvidia-smi后，没有进程使用GPU，但每块GPU的内存确被使用很多。。。。。

fuser -v /dev/nvidia*

会发现很多Python在运行，故粗暴地kill这些进程ID就可以了。。。。。。。ID乍一看很多，杀死一两个就不剩几个了。。。。

本方法简单粗暴。。。。。不知道有没有更优雅的解决办法

df -h -i （备忘用）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

insanegtp

关注关注

5
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

如何在pycharm中指定GPU

安静到无声

08-17

3303

添加名称：CUDA_VISIBLE_DEVICES和对应值即可。

Pycharm远程运行指定GPU

weixin_45912366的博客

10-13

1518

pycharm指定GPU

参与评论您还未登录，请先登录后发表或查看评论

PyCharm中安装Fitted Code出现GPU process restarts too many times and seems to be unstable.解决办法

qq_62551010的博客

04-15

403

PyCharm安装Fitted Code后出现GPU process restarts too many times and seems to be unstable. Try to restart IDE or disable GPU acceleration completely错误解决方案

【求助，pychram刚打开一个工程，GPU占用率就跑满了】

weixin_44693799的博客

05-06

283

刚打开工程文件，电脑风扇就狂转，打开任务管理器一看GPU占用率百分百，而内存却是没多少。然后我在每次一开机，GPU就跑满，但是什么程序我都没打开。电脑刚安装了pytorch，cuda和pychram，想运行一下程序跑跑看，去github下载了个相关的程序。有没有人能帮我解答一下。

GPU 进程 (JCEF) 重启次数过多

weixin_43144516的博客

03-11

8134

问题描述在Jetbrains系软件中遇到“GPU 进程 (JCEF) 重启次数过多”问题这样的问题可能还会导致闪退。原因分析：需要关闭JCEF，而点了禁用GPU加速和重启后依旧不行。 Using JCEF requires using a dedicated JetBrains Runtime, please follow these installation instructions on how to obtain and activate it in your IDE. Enable ide

程序停止后GPU仍被占用

濯君

08-14

1万+

在跑深度学习程序的时候，有时强制终止程序，可是程序占用的GPU资源仍然没有被释放，被这个坑了好久，还以为是GPU一直被别人抢占了，结果是GPU资源泄露。可以使用这个命令查看Linux系统GPU的使用情况 nvidia-smi 得到如图结果此时可以手动kill掉占用GPU的进程，以此来释放GPU资源 kill -9 49461 若是使用了Screen命令在后台运行的程序终止后...

JetBrains IDE中GPU进程(JCEF)重启问题（Too many restarts of GPU-process）解决方案

cooldream2009的博客

10-28

3711

在使用JetBrains系列IDE（如IntelliJ IDEA、PyCharm、WebStorm等）时，用户可能会遇到“GPU进程(JCEF)重启次数过多”的报错信息。该问题主要表现为IDE频繁闪退、卡顿，甚至无法正常启动。这种现象的主要原因是系统GPU进程不稳定或与JCEF（JetBrains Chromium Embedded Framework）组件存在兼容性问题。本文将深入分析该问题的原因，并提供具体的解决方案与优化建议，以便用户能够顺利使用JetBrains IDE进行开发。

Python 运行中一直出现 Restart？怎么办，有图？

cda2024的博客

04-01

1376

在编程的世界里，遇到各种奇怪的问题是家常便饭。但是，当你的 Python 程序在运行过程中频繁出现“Restart”提示时，这可能不仅仅是令人头疼的小问题，而是隐藏着深层次的原因。本文将深入探讨这一现象，并提供解决方案，帮助你顺利解决问题。如果你正在为这个问题烦恼，那么请继续往下看，或许你能在这里找到答案。

pycharm使用gpu跑项目

longer_net的博客

06-26

1859

本次作业主题在于论文复现，论文主题为Per_FedAVG,第一天完成了环境的大致搭建，第二天找到了一个FedAVG的模型代码跑了一下，效率极其低下，查阅得知，可以设置GPU来跑模型，记录如何设置作为大作业参考。如果还是不行，可以打开anaconda的可视化界面，直接在环境里面搜索pytorch，会有一个-gpu版本，apply就可以。首先确定安装了NAVIDIA，在搜索框里可以搜索到，然后，点开该控制面板可以查看到相关信息。呼出任务管理器，然后点开性能，查看“GPU0”的版本。查看GPU驱动版本。

Pycharm远程连接GPU（内容：下载安装Pycharm、GPU租借、配置SSH、将代码同步到镜像、命令行操控远程镜像、配置远程GPU解释器）

分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。

07-03

2500

上面的命令中 -p是端口的意思。点击apply 然后点击ok。使用服务器的解释器运行成功。envs里面放的是虚拟环境。选择一个点击立即租卡。

Pycharm里配置Pytorch-gpu（运行informer算法模型）

pi_pi_lin的博客

10-24

8300

去官网下载适合自己操作系统的Anaconda安装包。（以Windows为例）

Pytorch查看、释放已关闭程序占用的GPU资源

开飞机的小毛驴儿

12-31

3522

import torch print(torch.cuda.current_device()) print(torch.cuda.device_count()) print(torch.cuda.get_device_name()) print(torch.cuda.is_available()) 打开terminal输入nvidia-smi可以看到当前各个显卡及用户使用状况，...

pytorch笔记：清理GPU内存

qq_40206371的博客

06-19

3146

用top/htop找到相应程序的PID,再使用 kill 结束该进程。可以清理任何先前运行的程序可能遗留的未释放内存。

pycharm发疯了

weixin_39915444的博客

01-28

172

也不知道发了什么疯。原来好好的程序不可以运行了。也没报错。就是一直显示运行中，但是什么都不做。类似于这种最简单的句子，都一直显示在运行但是没有输出。后来我发现！！！我删除了几行import之后，就可以了！！！类似于这种，只留下要用到的import，就可以运行！然后我发现我写的GUI的程序就算删掉了不用的import也不可以。然后删掉了import我写的程序就可以了！好奇怪！！！有人知道这是为什么吗？？？ ...

深度学习训练已经停止(强行中断)了，可GPU内存还在占用着，如何解决？

10-09

4643

watch --color -n1 gpustat -cpu 用户：xujiping 已经结束训练了，但是GPU的内存仍然在占用 top：查看进程 U :输入用户名找到 python train.py 的进程号 ctrl + c 退出 kill -9 进程号：杀死残留的进程这时占用的GPU内存就被释放了 reference：https://blog.youkuaiyun.com/u014264373/article/details/108106316 ...

pycharm cpu占用低_载入模型权重GPU内存被额外占用的bug解决

weixin_39661589的博客

12-21

948

分布式/多进程中的这种情况的现象是，对于同一个python进程（pid号相同）会两次占用固定大小的gpu内存观察到的现象是python进程多于预期应有的进程数。比如我们单机多卡分布式训练，已经完成了网络模型的in-place参数设备转换，即network.cuda()，现在我们有4块GPU，我们在程序中的每一个进程分配一块GPU时本来应该只有4个进程，每个进程占用一定的GPU显存，但实际情况如...

为什么你的pycharm打开时很卡，今天来教你解决方案

最新发布

07-08

### 原因分析在使用 PyCharm 进行深度学习模型训练时，可能会遇到 CPU 占用率高而 GPU 未被充分利用的情况。这种情况通常与以下几个因素有关： 1. **环境配置问题**：PyTorch 或其他深度学习框架可能没有正确地配置以利用 GPU 资源。例如，如果 CUDA 驱动程序版本不兼容或者没有正确安装，PyTorch 将无法识别到可用的 GPU 设备[^3]。 2. **代码逻辑问题**：即使环境配置正确，如果代码中没有显式地将模型和数据转移到 GPU 上，则所有的计算都会默认发生在 CPU 上。这包括但不限于忘记调用 `.cuda()` 方法或将张量移动到错误的设备上。 3. **多进程管理不当**：在进行分布式训练时，如果没有妥善管理和分配资源，可能导致额外的 Python 进程被创建出来，这些多余的进程不仅会占用不必要的系统资源，还可能导致预期之外的行为发生[^1]。 4. **IDE 设置问题**：有时候，集成开发环境（如 PyCharm）本身的设置也可能影响到程序对硬件资源的访问效率。比如，某些调试模式下的配置可能会限制程序直接访问底层硬件的能力。 ### 解决方案针对上述提到的问题根源，可以采取以下措施来优化性能并确保 GPU 得到了有效利用： - **检查并更新驱动程序**：确认 NVIDIA 显卡驱动已经升级至最新版本，并且与所使用的 CUDA 工具包版本相匹配。可以通过运行 `nvidia-smi` 命令查看当前驱动状态以及已安装的 CUDA 版本信息。 - **验证 PyTorch 安装**：通过执行简单的测试脚本来验证是否能够成功检测到 GPU。一个常用的测试方法是打印出 torch.cuda.is_available() 的返回值；当它为 True 表示当前环境支持 GPU 加速。 ```python import torch print(torch.cuda.is_available()) ``` - **调整代码逻辑**：确保所有模型组件及输入数据都被正确地移至目标设备上。对于单个 GPU 的情况，可以直接使用 `.cuda()` 函数；而对于多 GPU 并行处理，则需要考虑采用 `torch.nn.DataParallel` 或者更推荐使用的 `torch.distributed` 模块来进行高效的分布式训练[^3]。 - **优化进程管理**：仔细审查涉及多进程操作的相关代码部分，特别是那些涉及到跨节点通信的部分。合理规划每个进程的任务范围及其对应的资源分配策略，避免产生冗余进程[^1]。 - **调整 PyCharm 设置**：尝试关闭任何不必要的插件或功能以减少 IDE 对系统资源的竞争。此外，在启动配置文件中指定特定参数也可能有助于改善这一状况。例如，在 Run/Debug Configurations 对话框里勾选 "Gevent compatible" 选项有时能帮助缓解此类问题。通过以上步骤，应该能够在很大程度上解决由软件配置不当引起的资源利用率低下问题。当然，具体实施细节还需根据实际情况灵活调整。