Pytorch 如何查看、释放已关闭程序占用的GPU资源

我们知道pytorch的机器学习代码是可以放在显卡上面运行的（很多情况下也都是放在显卡上运行），而且机器学习的代码也是显卡资源占用大户。那么pytorch怎么查看占用的GPU资源呢？又该如何释放已关闭程序占用的资源呢？接下来这篇文章告诉你。

看代码吧~

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，如下图所示，使用kill -9 pid(需替换成具体的编号)即可杀掉占用资源的程序，杀完后结果如下图所示，可以发现再也没有对应自己的程序了！

补充一下师弟帮忙的记录截图，方便以后查询使用：

补充：如何处理Pytorch使用GPU后仍有GPU资源未释放的情况

使用PyTorch设置多线程（threads）进行数据读取（DataLoader），其实是假的多线程，他是开了N个子进程（PID都连着）进行模拟多线程工作，所以你的程序跑完或者中途kill掉主进程的话，子进程的GPU显存并不会被释放，需要手动一个一个kill才行

具体方法描述如下：

1.先关闭ssh（或者shell）窗口，退出重新登录

2.查看运行在gpu上的所有程序：

fuser -v /dev/nvidia*

3.kill掉所有（连号的）僵尸进程

以上就是pytorch怎么查看占用的GPU资源的方法，希望能给大家一个参考，也希望大家多多支持W3Cschool。