🥇 版权: 本文由【墨理学AI】原创、各位大佬、欢迎和墨理一起学AI
🎉 # 深度学习模型训练基础环境搭建相关教程————❤️ 不负光阴不负卿 ❤️
📘 查看服务器显卡使用情况
一、命令行运行python程序时
- 首先查看哪些GPU空闲，nvidia-smi显示当前GPU使用情况
nvidia-smi- 如下图所示：服务器中的两个显卡，编号为0、1 . 都被同一个进程 PID 3016 占用
图示基础信息
GPU：GPU 编号；
Name：GPU 型号；
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，这里显示的是off的状态；
Fan：风扇转速，从0到100%之间变动；
Temp：温度，单位是摄氏度；
Perf：性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能（即 GPU 未工作时为P0，达到最大工作限度时为P12）。
Pwr:Usage/Cap：能耗；
Memory Usage：显存使用率；
Bus-Id：涉及GPU总线的东西
Disp.A：Display Active，表示GPU的显示是否初始化；
Volatile GPU-Util：浮动的GPU利用率；
Uncorr. ECC：Error Correcting Code，错误检查与纠正；
Compute M：compute mode，计算模式📘 指定空闲的GPU运行python程序
CUDA_VISIBLE_DEVICES=0,1 python test.py 📘 在python程序中指定GPU（通常使用该设置）
在 train.py 最上方，设定使用的GPU 编号， 当这两行代码注释掉时，训练会自动使用该服务器的所有资源
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0,1"每 10s 显示一次GPU使用情况, Xshell 中 CTRL + C 中止：
watch -n 10 nvidia-smi每 2s 刷新一次GPU使用情况, Xshell 或者 Shell 窗口 中 CTRL + C 中止：
nvidia-smi -l 2查看 CPU 内存大小
free -g （单位是 G） free -m （单位是 Mb）
free -g
total used free shared buff/cache available
Mem: 31 26 0 0 4 3
Swap: 7 5 2
free -m
total used free shared buff/cache available
Mem: 32070 27114 751 656 4204 3837
Swap: 8191 5541 2650
free -h
free -h
total used free shared buff/cache available
Mem: 125G 32G 874M 2.8G 92G 89G
Swap: 8.0G 1.0G 7.0G
查看 CPU 核数
cat /proc/cpuinfo | grep "cpu cores" | uniq
cpu cores : 8
查看 CPU 型号
cat /proc/cpuinfo | grep 'model name' |uniq
model name : Intel(R) Xeon(R) CPU E5-2620 v4 @ 2.10GHz
📘 更多有效教程
此次博文内容难以 以偏概全，如有不恰当的地方，欢迎评论区批评指正对于即将入行计算机视觉的小伙伴，墨理这里推荐收藏的干货博文目前如下
# 深度学习模型训练基础环境搭建相关教程————认真帮大家整理了
🚀🚀 墨理学AI
🎉 作为全网 AI 领域 干货最多的博主之一，❤️ 不负光阴不负卿 ❤️
❤️ 如果文章对你有帮助、 点赞、评论鼓励博主的每一分认真创作
