本文介绍了在 Windows 下的 Docker 中使用 NVidia GPU 运行 Pytorch 的性能测试，以及如何利用 prettytable 库进行结果展示。首先，确保满足先决条件，然后在特定镜像中测试 GPU 和 CPU 的性能，展示如何导入库、检查 GPU 可用性、创建张量并输出统计结果。此外，还探讨了 Windows Docker 的挂载方法、findstr 命令的使用以及为何在 torch.mm 后使用 .cpu()。
一、引言
1.1、先决条件
在测试之前，如果有哪位朋友想重现的话，需要解决先决条件的部分，可以考虑先阅读一下我的文章了解先决条件：
- 《大数据及机器学习带 GPU 必须干的第一件事》
- 《Windows 下让 Docker Desktop 关联上 NVidia GPU》
- 《使用 Docker + NVidia 运行 Pytorch 验证 GPU 是否真的有效》（选读）
1.2、本文目标
本文主要重点实现如下结果：
（1）在 nvcr.io/nvidia/pytorch:24.01-py3 这个镜像里如何测试一下 Docker 里使用 GPU 的时间性能消耗情况，方便深入了解这个镜像所创建的容器以后怎么用，以及测试调优。
（2）了解到 Pytorch 的 torch.rand 和 torch.mm，以及常见 prett
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
