caffe2,tensorflow,pytorch中指定固定显卡训练

有一台服务器，服务器上有多块GPU可以供使用，此时只希望使用某几块GPU。
一般来说，深度学习的代码中只会指出GPU的数量，却没有指出使用哪几块，在初次接触的时候很是让人头疼，搜索都没有相关的解决办法。

解决方案：可以使用环境变量CUDA_VISIBLE_DEVICES来解决问题（让机器只可见某几块GPU，然后指定GPU数量）。

方法一：临时修改环境变量（随改随用，一次有效）

export CUDA_VISIBLE_DEVICES=0 （只可见0号显卡）
export CUDA_VISIBLE_DEVICES=0,2（只可见0,2号显卡）

方法二：永久修改环境变量
打开 .bashrc 文件，在里面添加环境变量

export CUDA_VISIBLE_DEVICES=1

然后

source .bashrc

即可

方法三：在代码里修改
可以在文件开头加入如下代码：

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "1"       # 使用1号显卡

也可以制定使用某几块GPU

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0, 2"    

禁用GPU

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