小技巧随手记:Python查看windows下GPU的使用情况

简介: 小技巧随手记:Python查看windows下GPU的使用情况

 目录

一、使用nvidia-smi查看Windows的CUDA版本及GPU信息

二、使用pynvml查看GPU使用情况的命令

三、python 中使用GPUti实时查看GPU状况

四、使用gpustat库实时监测GPU使用情况(Linux下可以,Windows下不行的,衍生问题暂时没有一个好的解决方案)


一、使用nvidia-smi查看Windows的CUDA版本及GPU信息

在cmd中输入如下命令:

nvidia-smi

image.gif

image.gif

二、使用pynvml查看GPU使用情况的命令

首先安装nvidia-ml-py包:

image.gif

代码及对应解释如下:

import pynvml
pynvml.nvmlInit()
handle = pynvml.nvmlDeviceGetHandleByIndex(0) # 指定显卡号
meminfo = pynvml.nvmlDeviceGetMemoryInfo(handle)
print(meminfo.total/1024**2) #总的显存大小(float)
print(meminfo.used/1024**2)  #已用显存大小(float)
print(meminfo.free/1024**2)  #剩余显存大小(float)
print(pynvml.nvmlDeviceGetCount())#显示有几块GPU

image.gif

image.gif

三、python 中使用GPUti实时查看GPU状况

首先pip安装 gputi包:

image.gif

运行如下命令:

import GPUtil
GPUtil.showUtilization()

image.gif

image.gif

四、使用gpustat库实时监测GPU使用情况(Linux下可以,Windows下不行的,衍生问题暂时没有一个好的解决方案)

Linux下:

image.gif

Windows下(失败):

首先安装gpustat包:

image.gif

在cmd中输入如下命令:

gpustat --w

image.gif

image.gif

报错:

ModuleNotFoundError: No module named '_curses'

image.gif

image.gif

其实好像是curses库不支持Windows。

这个问题可以解决,先使用where python命令找到自己python的安装路径:

image.gif

再运行如下代码查看自己python的版本:

import platform
print(platform.python_version())

image.gif

image.gif

在如下链接下载对应版本的curses包:

https://www.lfd.uci.edu/~gohlke/pythonlibs/#curses

下载你自己Python对应的版本!cp39表示py3.9   64表示64位

image.gif

把whl文件放入Script文件夹后,进入Script文件夹:

image.gif

image.gif

image.gif

重新在cmd中输入:

gpustat --w

image.gif

又报错:

ModuleNotFoundError: No module named 'fcntl'

image.gif

image.gif

这个报错也可以解决:

在 python 安装目录 中 Lib目录( 比如:D:\Python39\Lib ),创建 fcntl.py ,内容如下:

def fcntl(fd, op, arg=0):
    return 0
def ioctl(fd, op, arg=0, mutable_flag=True):
    if mutable_flag:
        return 0
    else:
        return ""
def flock(fd, op):
    return
def lockf(fd, operation, length=0, start=0, whence=0):
    return

image.gif

image.gif

 

当然到这里你就没问题了是最好的,如果还报错:

ModuleNotFoundError: No module named ‘termios’

image.gif

那你就凉凉了~~


这个东西是linux下的 windows没有,所以你不用查了,我翻了好多博客都没有解决方案,唯一的一个解答是(变通方法就超级麻烦了,这里仅提供一个学习链接):

Airflow | 脚本东零西散?Airflow 快速搭建 pipeline(超详细)_HinGwenWoong的博客-CSDN博客

image.gif

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
8月前
|
程序员 Python
【随手记】python中各类下划线的作用与功能
【随手记】python中各类下划线的作用与功能
95 0
|
9月前
|
TensorFlow 算法框架/工具 异构计算
Windows部署TensorFlow后识别GPU失败,原因是啥?
Windows部署TensorFlow后识别GPU失败,原因是啥?
|
8月前
|
人工智能 算法 Python
【随手记】python的heapq库的基本用法
【随手记】python的heapq库的基本用法
111 1
|
6月前
|
并行计算 TensorFlow 算法框架/工具
Windows11+CUDA12.0+RTX4090如何配置安装Tensorflow2-GPU环境?
本文介绍了如何在Windows 11操作系统上,配合CUDA 12.0和RTX4090显卡,通过创建conda环境、安装特定版本的CUDA、cuDNN和TensorFlow 2.10来配置TensorFlow GPU环境,并提供了解决可能遇到的cudnn库文件找不到错误的具体步骤。
849 3
|
8月前
|
Python
【随手记】python语言的else语句在for、while等循环语句中的运用
【随手记】python语言的else语句在for、while等循环语句中的运用
95 2
|
8月前
|
存储 搜索推荐 Python
【随手记】python语法:类属性和实例属性
【随手记】python语法:类属性和实例属性
88 1
|
7月前
|
机器学习/深度学习 TensorFlow API
Keras是一个高层神经网络API,由Python编写,并能够在TensorFlow、Theano或CNTK之上运行。Keras的设计初衷是支持快速实验,能够用最少的代码实现想法,并且能够方便地在CPU和GPU上运行。
Keras是一个高层神经网络API,由Python编写,并能够在TensorFlow、Theano或CNTK之上运行。Keras的设计初衷是支持快速实验,能够用最少的代码实现想法,并且能够方便地在CPU和GPU上运行。
|
8月前
|
Python
【随手记】python中的nonlocal关键字
【随手记】python中的nonlocal关键字
84 0
|
9月前
|
TensorFlow 算法框架/工具 C++
在有GPU的windows上安装TensorFlow
在有GPU的windows上安装TensorFlow
160 0
|
9月前
|
存储 监控 异构计算
【Python】GPU内存监控脚本
【Python】GPU内存监控脚本

热门文章

最新文章