深度学习如何选取显卡的序号

深度学习训练通常需要高性能的图形处理器（GPU），特别是在大规模神经网络模型中。选择显卡的序号主要是为了指定CUDA_VISIBLE_DEVICES环境变量，这个环境变量告诉操作系统哪些GPU应该被用于计算。

要在命令行设置CUDA_VISIBLE_DEVICES，你可以按照以下步骤操作：

1. **Linux/Mac**:
- 打开终端
- 输入 `export CUDA_VISIBLE_DEVICES=<GPU序号>`，其中 `<GPU序号>`是你想要使用的GPU编号。例如，如果你的第二块GPU需要计算，你应该输入 `export CUDA_VISIBLE_DEVICES=1`。注意，从0开始计数，所以第一块GPU是0，第二块是1等。
- 然后在运行深度学习相关的脚本前，这些设置会生效。

2. **Windows PowerShell/Command Prompt**:
- 打开PowerShell或命令提示符
- 运行 `set CUDA_VISIBLE_DEVICES=<GPU序号>`
同样地，<GPU序号>替换为实际的设备编号。

3. **Python (在Jupyter notebook)中**:
- 加入到系统环境变量前，你也可以在Python代码里动态设置，例如：

     import os
     os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
     os.environ["CUDA_VISIBLE_DEVICES"] = "1"  # 或者其他的序号

如果有多张GPU，你还可以通过调整这个变量来切换使用哪一块。记住，每更改一次这个环境变量，都会影响后续的训练过程。