我的桌面安装了 2 个 GPU:1080 和 1080Ti nvidia-smi显示gpu-0为1080，gpu-1为1080Ti
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.79 Driver Version: 410.79 CUDA Version: 10.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 1080 Off | 00000000:01:00.0 Off | N/A |
| 26% 57C P2 53W / 215W | 696MiB / 8119MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX 108... Off | 00000000:02:00.0 Off | N/A |
| 55% 70C P2 204W / 250W | 8641MiB / 11178MiB | 28% Default |
+-------------------------------+----------------------+----------------------+
现在 tensorflow 和 mxnet 使用相反的顺序:当我指定 gpu=0 时为 1080ti，当我指定 gpu=1 时为 1080。
为什么会这样以及如何将 tensorflow 和 mxnet gpu 顺序与 nvidia-smi gpu 顺序同步？
mxnet 的代码片段:
mod = mx.mod.Module(symbol, label_names=None, context=mx.gpu(0))
对于tensorflow我使用环境变量
CUDA_VISIBLE_DEVICES="0"
请您参考如下方法:
