Re: [問題] 新手每次跑模型時都是CPU滿載

[fragmentwing (片翼碎夢)]

※ 引述《matrixx (matrix)》之銘言：
: 各位前輩好 小弟是程式（機器學習）新手
: 我在用vs code 跑程式中的模型時都會非常卡
: 開了工作管理員才發現都是CPU滿載
: 想讓vs code用gpu幫忙跑模型
: 但去載cuda時 好像看到有人說 windows 家用版沒辦法使用相關的toolkit
: 想請問各位大大 有類似的經驗或解決方案嗎？
: ----
: Sent from BePTT on my Samsung SM-A5460

建議你搜尋pytorch gpu 知乎 記得那邊有幾篇寫得算完整 以下是過來人的建議：
0. 首先 你要理解裝給python用的package是一回事 gpu那邊則需要安裝相應的cuda工具是另一回事

1. 你要先確定有gpu這件事（工作管理員顯示的gpu好像有一張其實是拿cpu過來用 忘記是為啥了，像我是實質8G但帳面總計16G）

2. 確認gpu的版本（請善用cmd指令）。
之後去找nvidia給的、或一些教學文會附上的對照表，找一個符合且不要太新的（大概比可以用的最新版退幾個小版本，為了穩定）

3. 下載對應的cuda執行檔並安裝 比如我用的是11.8 直接搜尋download cuda 11.8就有了

4. 去pytorch官網找previous 下載pytorch用的pip指令
！！注意，你要找的是後面會有額外下載指令（以cuda是11.8為例 後面應該會有個cu118），否則你會裝到用於cpu的版本
！！注意，gpu版的更新方式是uninstall後重裝，用一般方式重裝會忽略額外下載的部分

5. 檢查pytorch版本 print torch.__version__ 有X.X.X + cuOO.O 就算成功了

p.s. 使用gpu時要搬運資料到gpu上
一般是先用變數device = 有cuda就cuda else cpu

之後model.to(device) optim.to(device)
sample 和 label 則是從dataloader拆出來後再to.(device)

另外要注意tensor本身除了type以外也有device要相同的需求

題外話，之前cmd那邊查cuda是11.8 設定找到的應用程式是11.6 torch是+cu113
這樣子竟然還能跑到想更新pytorch版本時才發現

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.77.107.182 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1712815245.A.08A.html
推 DaOppaiLoli: cmd 查的通常會是最高支援的版本
→ fragmentwing: 原來是這樣 我一直以為是我裝到哪個就是哪個 因為之
→ fragmentwing: 前看人家教學時都是要看cuda版本左邊的那個數字去找
→ fragmentwing: 相容性 原來根本可以跳過這步XD
推 DaOppaiLoli: 一個機器也可以多個 CUDA 共存，理論上 driver 支援
→ DaOppaiLoli: 的版本要大於實際安裝函式庫的版本，然後要大於應用
→ DaOppaiLoli: 程式的版本
→ DaOppaiLoli: 像你就是 driver 支援到 11.8，函式庫裝 11.6，然後
→ DaOppaiLoli:  torch 是 11.3
→ DaOppaiLoli: 雖然還是建議都裝一樣的比較好
→ fragmentwing: 原來是剛好裝得有相容性
→ fragmentwing: 多個cuda共存是指同一張gpu嗎？這樣torch運行時會怎
→ fragmentwing: 麼選擇使用的cuda啊？
推 DaOppaiLoli: 在同一台機器，無論單張或多張卡，都可以有多個不同
→ DaOppaiLoli: 版本的 CUDA 函式庫共存，例如 Docker 或 Conda 就
→ DaOppaiLoli: 能做到這種多版本 CUDA 的管理，像這張圖裡 nvcc 告
→ DaOppaiLoli: 訴我們 CUDA 是 11.8 版，但 nvidia-smi 顯示的是 1
→ DaOppaiLoli: 2.2 版
→ DaOppaiLoli: https://i.imgur.com/XLFRpgr.jpg
→ DaOppaiLoli: 至於 PyTorch 是如何判斷版本我是不太確定，但他可
→ DaOppaiLoli: 能會根據 nvcc 或 nvml 之類的來判斷，其他有些函式
→ DaOppaiLoli: 庫則可能會看 CUDA_HOME 環境變數來判斷