背景
项目使用的GPU 服务器最近显存总是宕机,根据日志分析大概率是显存不足导致。所以查了下怎么看显存。
nvidia-smi 简记
nvidia-sim 简称NVSMI,提供监控GPU使用情况和更改GPU状态的功能,是N卡驱动附带的,只要装好驱动,就会有这个命令。如果驱动有问题,这个指令就无法使用或者使用的时候展示的数据异常。
nvidia-smi 常用命令
nvidia-smi 查看显存
部分参数解释(加粗的是重点)
- 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
- 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
下图是之前看博客的时候找到的,这里借用下:
上述命名不是实时的,查看的时候需要手动输入指令,不太方便。
nvidia-smi -l 秒数:隔几秒刷新
# 每两秒执行一次
nvidia-smi -l 2