KeyError: 'CUDA_VISIBLE_DEVICES'

最新推荐文章于 2025-07-05 12:18:14 发布
最新推荐文章于 2025-07-05 12:18:14 发布
阅读量1w 收藏 7
点赞数 2
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_15505637/article/details/81104331
本文介绍了解决CUDA_VISIBLE_DEVICES环境变量未设置导致的KeyError异常的方法，并提供了如何手动设置该环境变量的具体步骤。

cvd = os.environ['CUDA_VISIBLE_DEVICES'].strip()
  File "/usr/lib/python2.7/UserDict.py", line 23, in __getitem__
    raise KeyError(key)
KeyError: 'CUDA_VISIBLE_DEVICES'

如果没有，自己export一个就行了

export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6

cvml
关注
torch distributed.init out of memory
jacke121的专栏
05-13 1987
torch distributed.init out of memory 设置环境gpu： os.environ["CUDA_VISIBLE_DEVICES"] = "1, 2, 3" local_rank=0 torch.cuda.set_device(local_rank) cuda(0)默认是第0块显卡， 但是设置CUDA_VISIBLE_DEVICES后： cuda(0)就是CUDA_VISIBLE_DEVICES里面的第一个gpu。 ...
pycharm中os.environ不能读取环境变量CUDA_VISIBLE_DEVICES，显示raise KeyError（key） from None
m0_74030866的博客
10-06 1193
解决os.environ不能读取环境变量CUDA_VISIBLE_DEVICES问题。
解决报错：‘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。
道纪书生的博客
07-29 3万+
最近跑一个知识图谱的程序，按照论文作者的说明，执行以下命令训练模型： CUDA_VISIBLE_DEVICES=0 python trainer.py 然而，出现了以下报错： 于是啪的一下，很快啊，立马上Google和百度找解决方案，结果发现，居然没一个有效回答。 但这个问题看样子，确实是困扰了挺多人，光下面这个网页浏览量就达到了3.6K。 于是就只能自己动手丰衣足食了~ 想到模型训练一般都是在Linux服务器上跑，而我在win10上测试，会不会是环境的问题？ 于是把模型...
【V16.0 - 避坑篇】别走我的弯路！10个Python AI开发大坑，从cuDNN安装失败到模型部署报错的终极避坑指南
qq_35899016的博客
07-05 929
在过去的十几篇文章中，我们一路高歌猛进，从数据处理到模型训练，再到用Streamlit构建华丽的UI。我们的AI顾问看起来光鲜亮丽，仿佛一夜成名。但真相是，在这条看似顺畅的道路背后，我掉进过无数个‘坑’。有些坑，让我对着屏幕抓狂到凌晨三点；有些坑，让我一度怀疑自己的智商和人生。今天，我不聊高大上的架构，不聊精妙的算法。我就想和大家掏心掏肺地聊聊这些‘坑’，这些我用无数时间和咖啡因填平的‘天坑’。这份‘血泪史’，希望能帮你省下至少几天宝贵的生命。
os.environ[“CUDA-VISIBLE_DEVIECES“]失效
weixin_51433674的博客
12-10 779
了一些外部库，你又不知道是怎么实现的，外部库可能就会使用cuda相关的函数，os设置。失效，我一开始想研究一下这条语句的作用，于是在这条语句之前使用了。的函数，如果发现失效，那么可能是使用了相关的函数，特别是有的时候。打印了一下设备数，发现os这条语句就不起作用了。解决：在用os设置cuda之前，不要使用有关。
Python使用cuda报错KeyError: ‘LOCAL_RANK‘
weixin_42831564的博客
10-08 1966
那么这个命令会让当前任务只看到编号为 0、1、2、3 的 GPU，并在一个节点上启动 4 个进程，每个进程对应一个 GPU 进行分布式训练。是 PyTorch 用于启动分布式训练的命令行工具。这是一个在使用 PyTorch 进行分布式训练时常用的命令行指令。在Python脚本调用之前，指定CUDA-visuble。如果有 4 个 GPU，并且设置。
『Pytorch笔记』Pycharm中使用CUDA_VISIBLE_DEVICES=0！
AI新视界
11-06 1万+
Pycharm中使用CUDA_VISIBLE_DEVICES=0！ 如果使用多GPU运行程序(或者指定GPU的个数)，可以直接使用CUDA_VISIBLE_DEVICES=0,1,2,3python xxx.py来设置该程序可见的GPU。 当然也可以在程序开头设置os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'来使用。 如果在Pycharm中调试时，使用多GPU的话，除了直接在程序中设置os.environ["CUDA_VISIBLE_DEVICES"]..
CUDA_VISIBLE_DEVICES的变量值如何设置
最新发布
08-22
我们正在讨论如何设置CUDA_VISIBLE_DEVICES环境变量。根据引用，有几种方法可以设置这个环境变量，包括临时设置和在Python...[^2]: 引用[2]: 未定义时访问会触发 KeyError [^3]: 引用[3]: 临时设置需在调用 CUDA 前完成
root@wlcb-dyg:/home/wlcb-dyg# ollama serve Couldn't find '/root/.ollama/id_ed25519'. Generating new private key. Your new public key is: ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAID4ovJFMvZAtq71NIhecQfJmdE0w16e3jZMylgVJ2lq/ 2025/03/13 09:15:50 routes.go:1225: INFO server config env="map[CUDA_VISIBLE_DEVICES: GPU_DEVICE_ORDINAL: HIP_VISIBLE_DEVICES: HSA_OVERRIDE_GFX_VERSION: HTTPS_PROXY: HTTP_PROXY: NO_PROXY: OLLAMA_CONTEXT_LENGTH:2048 OLLAMA_DEBUG:false OLLAMA_FLASH_ATTENTION:false OLLAMA_GPU_OVERHEAD:0 OLLAMA_HOST:http://127.0.0.1:11434 OLLAMA_INTEL_GPU:false OLLAMA_KEEP_ALIVE:5m0s OLLAMA_KV_CACHE_TYPE: OLLAMA_LLM_LIBRARY: OLLAMA_LOAD_TIMEOUT:5m0s OLLAMA_MAX_LOADED_MODELS:0 OLLAMA_MAX_QUEUE:512 OLLAMA_MODELS:/root/.ollama/models OLLAMA_MULTIUSER_CACHE:false OLLAMA_NEW_ENGINE:false OLLAMA_NOHISTORY:false OLLAMA_NOPRUNE:false OLLAMA_NUM_PARALLEL:0 OLLAMA_ORIGINS:[http://localhost https://localhost http://localhost:* https://localhost:* http://127.0.0.1 https://127.0.0.1 http://127.0.0.1:* https://127.0.0.1:* http://0.0.0.0 https://0.0.0.0 http://0.0.0.0:* https://0.0.0.0:* app://* file://* tauri://* vscode-webview://* vscode-file://*] OLLAMA_SCHED_SPREAD:false ROCR_VISIBLE_DEVICES: http_proxy: https_proxy: no_proxy:]" time=2025-03-13T09:15:50.606+08:00 level=INFO source=images.go:432 msg="total blobs: 0" time=2025-03-13T09:15:50.606+08:00 level=INFO source=images.go:439 msg="total unused blobs removed: 0" time=2025-03-13T09:15:50.606+08:00 level=INFO source=routes.go:1292 msg="Listening on 127.0.0.1:11434 (version 0.6.0)" time=2025-03-13T09:15:50.606+08:00 level=INFO source=gpu.go:217 msg="looking for compatible GPUs" time=2025-03-13T09:15:51.523+08:00 level=INFO source=types.go:130 msg="inference compute" id=GPU-91af1d5b-5fed-e3b0-93e9-2112bebf3262 library=cuda variant=v12 compute=7.5 driver=12.2 name="Tesla T4" total="14.6 GiB" available="14.5 GiB" time=2025-03-13T09:15:51.523+08:00 level=INFO source=types.go:130 msg="inference compute" id=GPU-6cc43ad6-f63f-84ca-666d-
03-14
level: "INFO" # 日志级别(DEBUG/INFO/WARN/ERROR) file: "logs/app.log" # 日志保存路径 ``` **重要启动参数**： - `ollama serve --tls-cert /path/to/cert.pem --tls-key /path/to/key.pem`：启用HTTPS安全协议...
Python-小型Python库自动将CUDAVISIBLEDEVICES设置为多GPU系统上最小负载的设备
08-10
`CUDA_VISIBLE_DEVICES`环境变量是CUDA提供的一种机制，用于控制哪些GPU对当前进程可见，以及它们的访问顺序。通常，当有多个GPU时，正确设置这个变量可以显著影响应用程序的性能。 这个Python库的目的是简化这个...
pytorch之多GPU使用——#CUDA_VISIBLE_DEVICES使用 #torch.nn.DataParallel() #报错解决
qq_38156104的博客
11-24 5723
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] 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： os.environ
CUDA_VISIBLE_DEVICES设置了没用的可能原因
york1996的博客
09-11 784
有可能是因为CUDA_VISIBLE_DEVICES=1设置车了CUDA_VISIBLE_DEVICES=“1“： 你提到可能错误地使用了。
设置os.environ['CUDA_VISIBLE_DEVICES']=‘1‘ 不生效
热门推荐
zhouxiaowei1120的博客
02-01 4万+
os.environ['CUDA_VISIBLE_DEVICES']='1' 不生效设置os.environ['CUDA_VISIBLE_DEVICES']=‘1‘ 不生效 设置os.environ[‘CUDA_VISIBLE_DEVICES’]=‘1‘ 不生效 今天在写pytorch代码时，设置os.environ['CUDA_VISIBLE_DEVICES']=‘1‘ 不生效。最后发现原因是，...
【解决方法】CUDA_VISIBLE_DEVICES=0 nohup python xxx.py ＞ logs/xxxx.log 2＞&1 xxx.log 报以读模式和剩余文件
Kequan的博客
04-04 331
今天在跑代码的时候，碰到了一个灵异事件，明明在bash输入命令上述命令行后，在终端上没有显示代码正式运行，但是在后台显存竟然还占用了，导致重新跑的时候需要反复重启释放显存。于是就记录一下怎么解决这个问题。发现进程下有两个占显存比重很大的python，因为前面的那个进程是先开的，所以把前面的那个kill掉就行了。如果你是多卡，可以用下面这个命令去读取显存占用最大的进程，然后kill。输入nvidia-smi，查看显卡显存是不是占用了。之后就发现留下了正在跑的进程，显存也释放了。
CUDA_VISIBLE_DEVICES=0 : 无法将“CUDA_VISIBLE_DEVICES=0”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保
qq_38148600的博客
08-03 1204
这是因为CUDA_VISIBLE_DEVICES=0 USE_MODELSCOPE_HUB=1 python src/webui.py只能在linux上跑。
【深度学习】CUDA_VISIBLE_DEVICES查看
weixin_44001371的博客
10-30 7235
是一个环境变量，用于指定程序将在哪些 GPU 设备上运行。它通常用于控制程序在多个 GPU 设备的系统上的 GPU 使用情况。通过设置，可以限制程序访问的 GPU 设备，以便在多任务或多用户环境中更好地管理和分配 GPU 资源。具体来说，的值是0,1,2。这表示程序将只在索引为 0、1 和 2 的 GPU 设备上运行，而忽略其他 GPU 设备。使用：在多用户或共享 GPU 资源的环境中，可以通过设置以避免冲突和资源争夺。不同的任务可以限制在不同的 GPU 上运行，以确保资源的有效使用。
【深度学习高效小trick】使用指定的GPU(组)搞深度学习：CUDA_VISIBLE_DEVICES || os.environ[‘CUDA_VISIBLE_DEVICES‘]=‘1‘
Thebest_jack的博客
07-07 1万+
使用指定的GPU组：CUDA_VISIBLE_DEVICES//os.environ['CUDA_VISIBLE_DEVICES']='1'---高效使用服务器的GPU！
无法将“CUDA_VISIBLE_DEVICES=0”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。
weixin_46028606的博客
08-27 2019
无法将“CUDA_VISIBLE_DEVICES=0”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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