看代码吧~
import torch
print(torch.cuda.current_device())
print(torch.cuda.device_count())
print(torch.cuda.get_device_name())
print(torch.cuda.is_available())
打开terminal输入nvidia-smi可以看到当前各个显卡及用户使用状况，如下图所示，使用kill -9 pid(需替换成具体的编号)即可杀掉占用资源的程序，杀完后结果如下图所示，可以发现再也没有对应自己的程序了！
补充一下师弟帮忙的记录截图，方便以后查询使用：
补充：如何处理Pytorch使用GPU后仍有GPU资源未释放的情况
使用PyTorch设置多线程（threads）进行数据读取（DataLoader），其实是假的多线程，他是开了N个子进程（PID都连着）进行模拟多线程工作，所以你的程序跑完或者中途kill掉主进程的话，子进程的GPU显存并不会被释放，需要手动一个一个kill才行
具体方法描述如下：
1.先关闭ssh（或者shell）窗口，退出重新登录
2.查看运行在gpu上的所有程序：
3.kill掉所有（连号的）僵尸进程
以上为个人经验，希望能给大家一个参考，也希望大家多多支持社区。 | 
转播
