看代碼吧~

import torch 
print(torch.cuda.current_device())
print(torch.cuda.device_count())
print(torch.cuda.get_device_name())
print(torch.cuda.is_available())

打開terminal輸入nvidia-smi可以看到當(dāng)前各個顯卡及用戶使用狀況，如下圖所示，使用kill -9 pid(需替換成具體的編號)即可殺掉占用資源的程序，殺完后結(jié)果如下圖所示，可以發(fā)現(xiàn)再也沒有對應(yīng)自己的程序了！

補(bǔ)充一下師弟幫忙的記錄截圖，方便以后查詢使用：

補(bǔ)充：如何處理Pytorch使用GPU后仍有GPU資源未釋放的情況

使用PyTorch設(shè)置多線程（threads）進(jìn)行數(shù)據(jù)讀?。―ataLoader），其實(shí)是假的多線程，他是開了N個子進(jìn)程（PID都連著）進(jìn)行模擬多線程工作，所以你的程序跑完或者中途kill掉主進(jìn)程的話，子進(jìn)程的GPU顯存并不會被釋放，需要手動一個一個kill才行

具體方法描述如下：

1.先關(guān)閉ssh（或者shell）窗口，退出重新登錄

2.查看運(yùn)行在gpu上的所有程序：

fuser -v /dev/nvidia*

3.kill掉所有（連號的）僵尸進(jìn)程

以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。