摘要：深度学习中，跑模型代码的过程中，可能主GPU被占用而无法进行训练，这个时候，可知通过torch库来指定训练的GPU号。

1. 直接在程序中设置

os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'：该命令是指定哪几块GPU可被系统识别，=前面是环境变量，表示CUDA中可被看到的设备，=后面是GPU序号，‘0,1,2,3’分别表示0、1、2、3号GPU。如果你只想用1、2、3号GPU，可将代码改成：

os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'  # 这行代码须放在程序访问GPU之前，如程序的开头。

2. 在运行配置中设置（推荐）

（1）在pycharm中点击上方菜单栏：运行/编辑配置，如下所示：

（2）跳出如下界面，然后在环境变量一栏添加上：CUDA_VISIBLE_DEVICES=1

具体添加方法如下：

（3）保存配置

到这里便完成了。
现在，运行或调试都是在1号GPU上进行了