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

在设置 os.environ['CUDA_VISIBLE_DEVICES'] = "1" 之后，该语句将会指定使用 GPU 设备 1 运行代码。 这意味着在运行使用 PyTorch 的代码时，PyTorch 将会使用 GPU 设备 1 进行计算。然而，在实际测试中，有人发现并不是这样的。 有一种解决方案是在导入 vector_quantize_pytorch 之前设置 GPU 设备。 为了避免不必要的麻烦，有些博客建议在import之前配置好 GPU，或者在命令行或.sh文件里，在运行.py文件前直接指定 GPU，例如：CUDA_VISIBLE_DEVICES=x python xxx.py。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [指定GPU设备号](https://blog.csdn.net/weixin_43993244/article/details/113844758)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [os.environ[CUDA_VISIBLE_DEVICES] 失效无法指定 GPU](https://blog.csdn.net/yyywxk/article/details/127430590)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]