GPU 训练时 CPU 利用率过高，如何解决？

解决 gpu 模型训练期间 cpu 利用率高的难题

问题描述：使用 cuda 11.6 和 pytorch 1.12 进行 gpu 模型训练，但观察到 gpu 利用率极低，而 cpu 利用率却高达 95%。

可能的解决方案：

1. 验证 gpu 配置：

import torch print(torch.cuda.is_available())

如果输出为 false，则表明 gpu 配置未成功。

2. 指定 cuda 设备：

在代码中明确指定 cuda 设备。例如：

import torch device = 'cuda:0' if torch.cuda.is_available() else 'cpu' from torchvision.models import ResNet ResNet(......).to(device)

3. 代码问题：

如果 gpu 和 cuda 配置无误，则问题可能出在代码本身。 检查代码中是否存在多线程或多进程，这些操作会增加 cpu 利用率。 尝试减少这些操作的并行度以降低 cpu 利用率，但也可能导致速度下降。

4. 增大批次大小：

增大批量大小可以 zwiększ利用 gpu 内存。 通过这样做，即使 gpu 利用率略低，模型也可以处理更多数据。