Python 如何在dask分布式系统中管理单个工作进程上的GPU资源？

我有一个关于你的问题

假设我想运行一组任务，每个任务在不同数量的GPU上运行，例如，一个任务在2个GPU上运行（类型a），而其他几个任务在1个GPU上运行（类型B）。我的理解是，可以使用“resources”属性设置多个worker。例如，我可能总共有3个GPU，设置了一个资源变量为“GPU=2”的工作线程，另一个为“GPU=1”。很明显，这里的“GPU”是一个抽象术语（参见）

然而，这将意味着，在使用2个GPU的工作线程上运行了类型A的任务之后，该工作线程将同时只执行一个类型B的任务，从而不使用与该工作线程关联的其他可用GPU。这是正确的吗

理想情况下，我想用执行作业时更新的（类似于ncore）GPU总数（这里是：3）定义一个worker。因此，工作人员应该能够并行运行A类型的单个任务和B类型的一个任务，然后并行运行B类型的三个任务。这可能吗

---

干杯

是的，您可以声明该工人有三个GPU。工人将跟踪当前正在运行的任务的资源，并确保其不会运行总资源需求将超过工人资源的任务。

太好了！谢谢你的快速回复。