Python中使用list_local_devices()方法查看本地设备列表

在Python中，可以使用tensorflow库来查看本地设备列表。list_local_devices()方法可以返回一个列表，包含了当前计算机上可用的本地设备的信息。本地设备指的是计算机上的CPU和GPU等设备。

下面是一个使用list_local_devices()方法的示例程序：

import tensorflow as tf

def list_local_devices():
    local_devices = tf.config.list_local_devices()
    for device in local_devices:
        print(f"Device name: {device.name}")
        print(f"Device type: {device.device_type}")

        if "GPU" in device.name:
            print(f"Device memory: {tf.cuda.get_device_memory_info(device.name)}")
            print(f"Device compute capability: {tf.cuda.get_device_capability(device.name)}")

        print("----------------------")

if __name__ == "__main__":
    list_local_devices()

在上面的示例中，我们首先导入了tensorflow库。然后，我们定义了一个名为list_local_devices()的函数。该函数使用tf.config.list_local_devices()方法获取本地设备列表，并使用循环遍历列表中的每个设备。

在循环中，我们打印了设备的名称和类型。如果设备是GPU设备，我们还打印了设备的内存和计算能力。

最后，在程序的入口点，我们调用了list_local_devices()函数来执行设备列表的查看。

要运行上面的示例程序，你需要先安装tensorflow库。可以使用以下命令来安装：

pip install tensorflow

运行示例程序后，你将会看到类似以下的输出：

Device name: /physical_device:CPU:0
Device type: CPU
Device name: /physical_device:GPU:0
Device type: GPU
Device memory: _DeviceAttributes(total_memory=8589934592, free_memory=8232115712, used_memory=358818080)
Device compute capability: (6, 1)
...

上面的输出显示了本地计算机上的CPU和GPU设备信息。输出中包括设备的名称、类型，以及GPU设备的内存信息和计算能力。

通过使用list_local_devices()方法，我们可以方便地查看本地设备列表，以便在编写机器学习代码时选择合适的设备作为计算资源。