### 获取可用 GPU 核心数量的方法 在 Python 中，可以使用 `tensorflow` 或 `pytorch` 等深度学习框架来获取可用的 GPU 核心数量。以下是一些常用方法和代码示例。 #### 使用 TensorFlow 如果安装了 TensorFlow，可以通过以下代码获取可用的 GPU 数量以及每个 GPU 的核心数量： ```python import tensorflow as tf # 获取所有可用的 GPU 设备 gpus = tf.config.list_physical_devices('GPU') if gpus: print(f"Detected {len(gpus)} GPU(s)") for gpu in gpus: # 获取 GPU 的详细信息 details = tf.config.experimental.get_device_details(gpu) print(f"GPU Name: {gpu.name}, Details: {details}") ``` 需要注意的是，TensorFlow 并不直接提供每个 GPU 的核心数量，但可以通过设备名称或查询 NVIDIA 驱动程序来间接获取[^2]。 #### 使用 PyTorch PyTorch 提供了更直接的方式获取 GPU 信息： ```python import torch # 检查是否有可用的 GPU gpu_count = torch.cuda.device_count() print(f"Number of available GPUs: {gpu_count}") # 获取当前 GPU 的名称 if gpu_count > 0: for i in range(gpu_count): print(f"GPU {i}: {torch.cuda.get_device_name(i)}") ``` 对于获取每个 GPU 的核心数量，可以结合 `nvidia-smi` 工具或第三方库如 `gpustat` 来实现： ```python import subprocess # 使用 nvidia-smi 获取 GPU 信息 result = subprocess.run(['nvidia-smi', '--query-gpu=gpu_name,cores', '--format=csv'], stdout=subprocess.PIPE) output = result.stdout.decode('utf-8') print(output) ``` #### 使用 GPUtil 库 GPUtil 是一个轻量级的第三方库，可以方便地获取 GPU 的相关信息： ```python from GPUtil import getGPUs gpus = getGPUs() for gpu in gpus: print(f"GPU ID: {gpu.id}, Name: {gpu.name}, Cores: {gpu.cores}") ``` 需要确保已安装 GPUtil 库，可以通过以下命令安装： ```bash pip install gputil ``` #### 注意事项 1. 如果运行环境为虚拟机，则可能无法检测到 NVIDIA GPU，因为虚拟机通常没有物理显卡支持[^2]。 2. 确保正确配置了 CUDA 和 cuDNN 环境，否则可能导致 GPU 不可用[^3]。 ### 总结 通过上述方法可以轻松获取系统中可用的 GPU 核心数量。推荐使用 PyTorch 或 GPUtil，因为它们提供了更直观的接口。