之前想使用指定的GPU训练模型，查网上的帖子一般是通过设置环境变量来实现的，然后自己试了一下，在debug的时候发现无论怎么弄显示的device都是‘cuda:0’：

也没有多思考，于是就放弃了设置环境变量来指定GPU的方式，改为用以下方式来指定：

device = torch.device("cuda:5")data = data.to(device)model = model.to(device)

在debug的时候，发现模型和数据都非常舒服的装载到了自己想要得gpu上，但是感觉这种方法多少有点麻烦，当有多个文件调用的时候，还要把device做为参数传来传去的，很不便捷。

终于在今天实验的时候发现之前对环境变量设置理解有些问题。

在pycharm中设置环境变量有两种方式，第一种方式是通过右上角Edit Configurations…界面设置：

​将cuda_visible_devices设置为5后，将模型model=model.cuda()和输入数据input=input.cuda()加载到gpu上，观察到：
而通过nvidia-smi命令观察到GPU使用情况如图：
可见，设置环境变量CUDA_VISIBLE_DEVICES=5后，系统会对设置的GPU进行重新编号，从’0’开始。cuda()命令会将模型/数据加载到相对“可见”的第一个GPU上。
第二种方式是在代码里设置，也能达到同样的效果：
我看网上有帖子说环境变量os.environ[‘CUDA_VISIBLE_DEVICES’]=’5,6’的设置要放到import torch之前，否则会失效。但我自己试了一下，放到model.cuda()之前都没问题。
当然，如果调换一下顺序，在将模型加载到cuda之后设置环境变量，此时设置会失效，模型参数会放在cuda:0上，后续的input = input.cuda()后，input的device也为cuda:0。
所以只要是在使用cuda之前设置应该都可！（当然为了减少不必要的麻烦，比如说import的其他文件可能会先使用到cuda，还是尽早设置环境变量为好）
参考：
【深度学习高效小trick】使用指定的GPU(组)搞深度学习：CUDA_VISIBLE_DEVICES || os.environ[‘CUDA_VISIBLE_DEVICES‘]=‘1‘_蓝胖胖▸的博客-CSDN博客_cuda_visible_devices
os.environ[‘CUDA_VISIBLE_DEVICES‘] 无法生效原因_天花板上飞着鱼的博客-CSDN博客