万能的 V 圈，请教一个关于如何调用 GPU 资源来训练程序的问题

[suifengingo]

自己写的程序由于使用 CPU 训练时速度太慢，所以想调用 GPU 来运行程度，网上有查资料说可以加入以下代码片：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "1"

但是本人这个并不是网络训练的代码，只是一个关于普通图像处理的代码，所以上述的代码片加入后并不能成功地调用到服务器的 GPU，百思不得其解，所以特来在线请教，望能得到解答！

[favourstreet]

楼主你自己说“使用 CPU **训练**时速度太慢”，又接着说“本人这个**并不是**网络训练的代码”。到底是不是啊[抓狂]。普通图像处理的 GPU 加速完全是另外一个领域的事情了。

[suifengingo]

@favourstreet 这个是普通的图像处理代码，老哥有什么可以使用 GPU 来加速运行的代码介绍吗？

[suifengingo]

标题不是“训练程序”，而应该是“运行程序”，说顺嘴了不好意思

[lsvih]

可以试试 numba 的 cuda jit

[favourstreet]

@suifengingo opencv 支持 cuda，但是楼主不要抱过多期待，放到 gpu 上算没变慢就不错了。如果楼主对图像的操作真的十分普通，我推荐楼主写一个 Photoshop 批处理脚本，可以用 js 写，Photoshop 也支持 gpu 加速。

[suifengingo]

@favourstreet 谢谢你，不过我这个代码里面没有调用到 opencv，而且程序我是放到服务器上运行的，貌似没法使用到 PS 来运行[哭

[jaswer]

nivdia-smi 看看服务器有几块 GPU，os.environ["CUDA_VISIBLE_DEVICES"] = "1"里面那个“1”是 GPU 的编号，从 0 开始，要是你服务器就一块卡，肯定是调不起来的。CUDA_VISIBLE_DEVICES 就是在多块 GPU 情况下指定特定 GPU 用的。另外你的代码要支持 GPU 才行，图像处理用 TF pytorch 写吧，nb 的直接 CUDA

[jaswer]

另外要看你的算法是否复杂，有的时候数据在内存和显存中传的开销比你算法加速的时间还多。

[drawstar]

先看你代码支不支持 cuda

再看你电脑支不支持 cuda

[suifengingo]

@jaswer 服务器中只有一块编号为 0 的 GPU，我加上了 os.environ["CUDA_VISIBLE_DEVICES"] = "1"
并且改为使用 opencv 的 cv2.imwrite() 函数来保存图像了，可是通过输入 nvidia-smi 指令发现运行程序时候还是没有调用到 GPU，求大佬的解答

[jaswer]

@suifengingo 我看你还是放弃吧