✍19 Tensonfow(GPU)使用

nvidia-smi命令解释

• nvidia-smi是nvidia 的系统管理界面
• 其中smi是System management interface的缩写，它可以收集各种级别的信息，查看显存使用情况
• 此外, 可以启用和禁用 GPU 配置选项 (如 ECC 内存功能)

查看GPU信息

nvidia-smi
nvidia-smi -l [秒数]# 每隔几秒查看GPU当前状态
nvidia-smi -h  # 查看命令
nvidia-smi -L  # 查看可用的NVIDIA设备

栏位解释 :

• GPU：本机中的GPU编号（有多块显卡的时候，从0开始编号）图上GPU的编号是：0
• Fan：风扇转速（0%-100%），N/A表示没有风扇
• Name：GPU类型，图上GPU的类型是：Tesla T4
• Temp：GPU的温度（GPU温度过高会导致GPU的频率下降）
• Perf：GPU的性能状态，从P0（最大性能）到P12（最小性能），图上是：P0
• Persistence-M：持续模式的状态，持续模式虽然耗能大，但是在新的GPU应用启动时花费的时间更少，图上显示的是：off
• Pwr：Usager/Cap：能耗表示，Usage：用了多少，Cap总共多少 (GPU功耗)
• Bus-Id：GPU总线相关显示，domain：bus：device.function
• Disp.A：Display Active ，表示GPU的显示是否初始化
• Memory-Usage：显存使用率
• Volatile GPU-Util：GPU使用率
• Uncorr. ECC：关于ECC的东西，是否开启错误检查和纠正技术，0/disabled,1/enabled
• Compute M：计算模式，0/DEFAULT,1/EXCLUSIVE_PROCESS,2/PROHIBITED
• Processes：显示每个进程占用的显存使用率、进程号、占用的哪个GPU

网图

将监控信息写入文件

• 指定某些字段写入文件

nvidia-smi -l 1 --format=csv --filename=report.csv --query-gpu=timestamp,name,index,utilization.gpu,memory.total,memory.used,power.draw

• -l：隔多久记录一次，命令中写的是1

• --format：结果记录文件格式是csv

• --filename: 结果记录文件的名字

• --query-gpu：记录哪些数据到csv文件

• timestamp：时间戳

• memory.total：显存大小

• memory.total：显存使用了多少

• utilization.gpu：GPU使用率

• power.draw：显存功耗，对应Pwr：Usage

nvidia-smi --help-query-gpu  # 查看可以記錄的字段

 os.system('ls')  # 执行linux命令

Tensonfow函数

https://blog.csdn.net/lenbow/article/details/52152766

相关链接：

[1] 安装Tensorflow（Linux ubuntu） http://blog.csdn.net/lenbow/article/details/51203526
[2] ubuntu下CUDA编译的GCC降级安装 http://blog.csdn.net/lenbow/article/details/51596706
[3] ubuntu手动安装最新Nvidia显卡驱动 http://blog.csdn.net/lenbow/article/details/51683783
[4] Tensorflow的CUDA升级，以及相关配置 http://blog.csdn.net/lenbow/article/details/52118116
[5] 基于gensim的Doc2Vec简析 http://blog.csdn.net/lenbow/article/details/52120230
[6] TensorFlow的分布式学习框架简介 http://blog.csdn.net/lenbow/article/details/52130565
————————————————

TensorFlow查看GPU信息

• 查看是否有CPU

import tensorflow as tf

gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)

"""
/device:GPU:0
"""

• 檢查GPU是否可用

tf.test.is_gpu_available()  # 返回true和false

• 列出所有的本地机器设备

from tensorflow.python.client import device_lib

# 列出所有的本地机器设备(GPU+CPU)
local_device_protos = device_lib.list_local_devices()
print(local_device_protos)
# 判断过滤只打印GPU设备
[print(x) for x in local_device_protos if x.device_type == 'GPU']

'''
name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 10641965056
locality {
  bus_id: 1
  links {
  }
}
incarnation: 7203835317376623910
physical_device_desc: "device: 0, name: Tesla K80, pci bus id: 0000:00:04.0, compute capability: 3.7"

'''