conda 中多卡gpu 怎么设置指定卡计算

在Conda环境中，如果你想要利用多GPU并行计算，特别是在PyTorch或者CUDA支持下，你可以通过以下步骤设置：

1. **环境确认**: 首先确保你的系统安装了必要的库和驱动程序，比如NVIDIA CUDA和cuDNN。可以在命令行中运行`nvidia-smi`检查GPU是否可用。

2. **选择合适的Python版本**: 使用Anaconda创建的环境默认会包含CUDA和cuDNN的支持。例如，你可能需要安装特定版本的PyTorch（如torch.cuda.is_available()会告诉你当前是否支持CUDA）。

3. **安装PyTorch**: 使用`conda install pytorch torchvision cudatoolkit=版本号 -c pytorch`，替换"版本号"为你的NVIDIA GPU Toolkit的对应版本。这将安装带有多GPU支持的PyTorch。

4. **环境变量配置**: 你需要配置环境变量来指定GPU。在`.bashrc`、`.bash_profile`或`.zshrc`等文件中添加类似以下内容（假设你的GPU设备ID是0和1）:

   export CUDA_VISIBLE_DEVICES="0,1"

5. **启动工作**: 重启终端或者运行`source ~/.bashrc`（取决于你的shell）来应用新的环境变量。现在，大部分的PyTorch操作应该会在指定的GPU上执行。

6. **测试**:
- 在Python中，可以使用`torch.cuda.set_device(device_id)`来手动切换到某个GPU，其中device_id为0, 1等。
- 在训练循环中使用`model.cuda()`会让模型自动在所有可见的GPU上分配内存。