Cuda GPU设备编号不为'；不匹配

我正在为Caffe使用GPU。当我执行nvidia smi时，它会显示

| NVIDIA-SMI 352.63     Driver Version: 352.63         |                       
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 750 Ti  Off  | 0000:01:00.0      On |                  N/A |
| 44%   52C    P0     2W /  38W |    464MiB /  2047MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  Quadro M4000        Off  | 0000:02:00.0     Off |                  N/A |
| 59%   74C    P0    66W / 120W |   7434MiB /  8191MiB |     95%      Default |


+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0      1428    G   /usr/lib/xorg/Xorg                             316MiB |
|    0      2200    G   compiz                                         139MiB |
|    1     29863    C   ./caffe-segnet/build/tools/caffe              7413MiB |
+-----------------------------------------------------------------------------+

但当我运行caffe并选择GPU1时，它会告诉我内存不足。如果我选择GPU 0

build/tools/caffe train-GPU 0-solver solver.prototxt

，它可以运行

---

为什么

Nvidia CUDA使用自己的设备编号，根据哪个设备被认为是最快的。然而，也有可能通过其PCI总线ID获取设备

cudaError_t cudaDeviceGetByPCIBusId ( int* device, char* pciBusId )

它也可以反过来工作，您可以获取特定设备的总线ID

cudaError_t cudaDeviceGetPCIBusId ( char* pciBusId, int  len, int  device )

总线ID将是表中的值

0000:01:00.0

和

0000:02:00.0

。它们的格式为

[domain]：[bus]：[device].[function]

---

请参阅和。

CUDA使用自己的设备枚举，与PCIe分离，并具有将设备序号0分配给最“有能力”的设备的启发式方法。我现在没有时间引用文档中的章节和诗句，希望有人能写出正确的答案。让我们检查一下，对于2GB内存来说，批大小是否太大。由于图像尺寸和网络层设计，它可能需要大量内存。假设您使用600x800的映像，并且您有16层网络，这些网络具有大量的输出和内核大小，可能不适合2GB内存……如果您尝试在

GPU 1

上运行相同的程序，那么它肯定不适合

GPU 0

。从您的信息来看（7434MiB/8191MiB）大约需要7GB，而您的

GPU 0能够达到1GB