# 3.8。設備管理 > 原文： [http://numba.pydata.org/numba-doc/latest/cuda/device-management.html](http://numba.pydata.org/numba-doc/latest/cuda/device-management.html) 對于多 GPU 機器，用戶可能想要選擇要使用的 GPU。默認情況下，CUDA 驅動程序選擇最快的 GPU 作為設備 0，這是 Numba 使用的默認設備。 除非使用托管/提供多個支持 CUDA 的 GPU 的系統，否則此頁面上介紹的功能通常不感興趣。 ## 3.8.1。設備選擇 如果需要，必須在使用任何 CUDA 功能之前完成設備選擇。 ```py from numba import cuda cuda.select_device(0) ``` 該設備可以通過以下方式關閉： ```py cuda.close() ``` 然后，用戶可以使用其他設備創建新上下文。 ```py cuda.select_device(1) # assuming we have 2 GPUs ``` ```py numba.cuda.select_device(device_id) ``` 為所選 _device_id_ 創建新的 CUDA 上下文。 _device_id_ 應該是設備的編號（從 0 開始;設備順序由 CUDA 庫確定）。上下文與當前線程相關聯。 Numba 目前每個線程只允許一個上下文。 如果成功，則此函數返回設備實例。 ```py numba.cuda.close() ``` 顯式關閉當前線程中的所有上下文。 注意 編譯的函數與 CUDA 上下文相關聯。這使得關閉和創建新設備并不是非常有用，盡管當機器有多個 GPU 時，選擇使用哪個設備當然很有用。 # 3.9。設備列表 設備列表是系統中所有 GPU 的列表，可以編制索引以獲取確保在所選 GPU 上執行的上下文管理器。 ```py numba.cuda.gpus ``` ```py numba.cuda.cudadrv.devices.gpus ``` `gpus`是`_DeviceList`類的一個實例，也可以從中檢索當前的 GPU 上下文： ```py class numba.cuda.cudadrv.devices._DeviceList ``` ```py current ``` 如果沒有活動設備，則返回活動設備或 None