感觉这一篇博客是最具有代表性的博客了

 参考链接：PyTorch指定GPU（转载+原创）_universe_R的博客-CSDN博客_pytorch 指定gpu

PyTorch中指定使用的GPU有两种方法：

1. 终端运行时设定
2. 代码中设定

首先需要设置可见的GPU

注意！！！！！！！！！！！！！！
os.environ[“CUDA_VISIBLE_DEVICES”] = "0, 1, 2"此条命令运行必须放在import torch之前，否则不能生效。

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0, 1, 2"

1、终端运行时设定

CUDA_VISIBLE_DEVICES=1,2,3 python train.py

2、代码中设定

注意！！！！！！！！！！！！！！

 os.environ[“CUDA_VISIBLE_DEVICES”] = "2, 3, 4,5"此条命令运行必须放在import torch之前，否则不能生效。

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2,3,4,5"
 
 
#将模型放入GPU中
if torch.cuda.device_count() > 1:
    model = torch.nn.DataParallel(model, device_ids=[0,1,2,3])

 等价于

if torch.cuda.device_count() > 1:
    model = torch.nn.DataParallel(model, device_ids=[2,3,4,5])

这是因为在第一段中已经设置了可见GPU为2，3，4，5，就是说假设我们有八块GPU，序号分别为0,1,2,3,4,5,6,7，本来他们的编号也分别为0,1,2,3,4,5,6,7，但是因为设置了可见GPU为2,3,4,5所以我们选取的GPU的序号为2,3,4,5，但是对于程序来说他们的编号分别为[0,1,2,3]，如下图所示

假设我只有[0,1]两块GPU。当我写的代码是用两块GPU的时候，如果有一个GPU被人占用了，那么我可以直接在开头设置 os.environ[“CUDA_VISIBLE_DEVICES”] = "1"或者 "0"，这样后面的程序不用动，就可以直接采用一块GPU运行了