Python 检测 GPU 是否可用

介绍

图形处理器（Graphics Processing Unit，GPU）是一种主要用于处理图形和影像的特殊处理器。在计算机图形、深度学习、科学计算等领域，GPU 的并行计算能力被广泛应用。因此，对于使用 GPU 加速的任务来说，检测 GPU 是否可用是非常重要的一步。

本文将介绍如何使用 Python 检测 GPU 是否可用。首先，我们会了解如何检测系统中是否安装了 GPU。然后，我们会介绍如何使用 Python 库来检测和管理 GPU 的使用情况。

1. 检测系统中的 GPU

在使用 GPU 加速之前，我们需要首先检测系统中是否安装了 GPU。可以通过以下几种方式来进行检测：

1.1 查看硬件信息

在 Windows 系统中，可以通过以下步骤来查看硬件信息：
1. 打开「开始」菜单，搜索并点击「设备管理器」。
2. 展开「显示适配器」，如果能看到 NVIDIA、AMD 或 Intel 的图形处理器，则表示系统中安装了 GPU。

在 Linux 系统中，可以通过运行以下命令来查看硬件信息：

lspci | grep -i vga

如果能看到 NVIDIA、AMD 或 Intel 的图形处理器，则表示系统中安装了 GPU。

1.2 使用 Python 库

除了通过查看硬件信息外，我们还可以使用 Python 库来检测系统中是否安装了 GPU。torch.cuda.is_available() 是一个常用的方法，它用于检测是否安装了 CUDA（Compute Unified Device Architecture）。

首先，我们需要安装 PyTorch 库。可以通过运行以下命令来安装 PyTorch：

pip install torch

然后，使用以下代码来检测系统中是否安装了 GPU：

import torch

if torch.cuda.is_available():
    print("GPU 可用")
else:
    print("GPU 不可用")

运行上述代码，如果输出结果为 “GPU 可用”，则表示系统中安装了可用的 GPU。否则，表示系统中没有安装 GPU 或 CUDA。

2. GPU 的使用情况

当确定系统中安装了 GPU 后，我们还需要了解 GPU 的使用情况。通过监控 GPU 的使用情况，我们可以得知当前 GPU 是否被占用，以及占用的程度。

2.1 使用 nvidia-smi 命令

在使用 GPU 前，可以通过运行 nvidia-smi 命令来查看 GPU 的使用情况。该命令在 NVIDIA 官方驱动程序中自带，无需额外安装。

使用以下命令来查看 GPU 的使用情况：

nvidia-smi

该命令会输出 GPU 的详细信息，包括 GPU 的型号、使用的驱动程序版本、当前 GPU 的利用率以及占用的内存情况等。

2.2 使用 Python 库

除了使用命令行工具外，我们还可以使用 Python 库来获取 GPU 的使用情况。torch.cuda.device_count() 用于获取系统中的 GPU 数量，torch.cuda.current_device() 用于获取当前使用的 GPU，torch.cuda.max_memory_allocated() 和 torch.cuda.max_memory_cached() 用于获取 GPU 的内存占用情况。

以下是示例代码：

import torch

def print_gpu_info():
    gpu_count = torch.cuda.device_count()
    print(f"系统中的 GPU 数量: {gpu_count}")

    for i in range(gpu_count):
        device_name = torch.cuda.get_device_name(i)
        print(f"\nGPU {i+1} 名称: {device_name}")

        if i == torch.cuda.current_device():
            print("当前正在使用该 GPU")

        memory_allocated = torch.cuda.max_memory_allocated(i) / (1024 ** 3)
        memory_cached = torch.cuda.max_memory_cached(i) / (1024 ** 3)
        print(f"GPU {i+1} 内存使用情况: 已分配 {memory_allocated:.2f}GB，缓存 {memory_cached:.2f}GB")

print_gpu_info()

运行上述代码，会打印系统中 GPU 的数量、每个 GPU 的名称、当前正在使用的 GPU 以及每个 GPU 的内存使用情况。