如何查询Google Colab分配的GPU的核心数量

nvidia-smi默认输出不包含CUDA核心数字段，你可以通过以下两种方式查询：

方法1：调用PyTorch内置属性查询 #

Colab默认预装了PyTorch，直接运行以下代码即可获取：

import torch
# 获取0号GPU的属性
gpu_info = torch.cuda.get_device_properties(0)
sm_count = gpu_info.multi_processor_count
# 不同架构GPU单SM对应的CUDA核心数，可根据返回的GPU型号匹配
gpu_arch_coef = {
    "T4": 128,
    "P100": 64,
    "V100": 64,
    "A100": 128,
    "L4": 192
}
# 自动匹配计算
cuda_core_count = sm_count * gpu_arch_coef.get(gpu_info.name.split()[0], 128)
print(f"分配的GPU型号：{gpu_info.name}")
print(f"CUDA核心总数：{cuda_core_count}")

方法2：使用nvidia-smi指定字段查询 #

运行以下命令直接提取核心数信息：
!nvidia-smi -q | grep -E "CUDA Cores|Product Name"

如果命令返回为空，也可以对照Colab常见分配的GPU参数直接查询：

• Tesla T4：2560个CUDA核心
• Tesla P100：3584个CUDA核心
• Tesla V100：5120个CUDA核心
• Tesla A100：6912个CUDA核心
• Tesla L4：7680个CUDA核心

内容的提问来源于stack exchange，提问作者Saddam