使用 pytorch 获取可用 GPU 内存总量

我正在使用 google colab 免费 Gpu 进行实验，并想知道有多少 GPU 内存可供使用，torch.cuda.memory_allocated() 返回当前占用的 GPU 内存，但我们如何使用 PyTorch 确定总可用内存。

PyTorch 可以为您提供总的、保留的和分配的信息：

t = torch.cuda.get_device_properties(0).total_memory
r = torch.cuda.memory_reserved(0)
a = torch.cuda.memory_allocated(0)
f = r-a  # free inside reserved

Python 与 NVIDIA 的绑定可以为您带来整个 GPU 的信息（在本例中 0 表示第一个 GPU 设备）：

from pynvml import *
nvmlInit()
h = nvmlDeviceGetHandleByIndex(0)
info = nvmlDeviceGetMemoryInfo(h)
print(f'total    : {info.total}')
print(f'free     : {info.free}')
print(f'used     : {info.used}')

_{pip install pynvml}

您可以检查nvidia-smi获取内存信息。 您可以使用nvtop但这个工具需要从源代码安装（在撰写本文时）。 另一个可以检查内存的工具是 gpustat （pip3 install gpustat).

如果你想使用 C++ cuda：

include <iostream>
#include "cuda.h"
#include "cuda_runtime_api.h"
  
using namespace std;
  
int main( void ) {
    int num_gpus;
    size_t free, total;
    cudaGetDeviceCount( &num_gpus );
    for ( int gpu_id = 0; gpu_id < num_gpus; gpu_id++ ) {
        cudaSetDevice( gpu_id );
        int id;
        cudaGetDevice( &id );
        cudaMemGetInfo( &free, &total );
        cout << "GPU " << id << " memory: free=" << free << ", total=" << total << endl;
    }
    return 0;
}