如何防止在Python代码中使用特定的GPU

我的问题与相同，但它没有解决我的问题

我的电脑中有4个GPU，我想在GPU 0上运行代码，但每当我运行tensorflow代码时，我的代码总是只在GPU 2上运行。在阅读这些（，）解决方案和信息时，我试图通过添加以下内容来解决我的问题：

• os.environ['CUDA\u VISIBLE\u DEVICES']=“0”

  在python代码中
• 或

  CUDA\u可见\u设备

  作为PyCharm项目配置设置中的环境变量
• 此外，我还在代码或环境变量中添加

  CUDA\u LAUNCH\u BLOCKING=2

  ，以阻止GPU 2。这是阻止任何GPU的正确方法吗

以上解决方案对我不起作用。代码始终在GPU 2上运行。我通过观看nvidia smi查看了它。 我的系统环境是

• Ubuntu 16.04
• RTX2080Ti（全部4个GPU）
• 驱动程序版本418.74
• CUDA 9.0和CuDNN 7.5
• Tensorflow gpu 1.9.0

---

对这个问题有什么建议吗？在PyCharm或python代码的项目设置中添加环境变量。。。仍然只有GPU 2可见。当我移除CUDA可视设备时，tensorflow会检测到所有4个GPU，但代码只在GPU 2上运行。

我在tensorflow 2.0.0中尝试了这一点

physical_devices = tf.config.experimental.list_physical_devices('GPU')

tf.config.experimental.set_visible_devices(physical_devices[0], 'GPU')

logical_devices = tf.config.experimental.list_logical_devices('GPU')

---

这将使u r代码在GPU索引0中运行

u可以检查这一点，NVIDIA_VISIBLE_DEVICES=$GPU_id CUDA_VISIBLE_DEVICES=0将GPU id设置为GPU所需的0、1、2或3。您的建议在TF2.0中运行良好，但在TF1.9中不起作用，我认为在2.0中某些功能发生了更改。通过检查这些链接，我试图在TF1.9中获得相同的可能性。和要使用某些GPU，有一种最简单的方法在中定义了

MirroredStrategy（）

，但它也不起作用。您可以尝试MultiWorkerMirroredStrategy吗？我在tf2.0中也尝试过这种方法