Windows：定时/进程结束执行命令_定时结束进程-CSDN博客

本文链接：https://blog.csdn.net/qq_36552489/article/details/105401706

本文介绍如何通过Python编写定时执行脚本，实现特定时间自动运行任务；同时分享了一个进程结束执行脚本的方法，当指定进程结束后自动执行另一脚本；最后探讨了如何添加GPU空闲内存条件，确保在GPU资源充足时执行任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

训练网络经常半夜才训练完，有时为了不浪费时间，晚上特意调了闹钟起来改代码、继续训练等。大半夜设闹钟起来跑代码太难受了，所以这次写了这两个代码，以后少受点罪。

1、定时执行脚本

代码：

import os
import time

set_time = '00:00:00'   # 此处设置每天定时的时间
cmd = ''

print("——————————waiting to execute task——————————")
while True:
    time_now = time.strftime("%H:%M:%S", time.localtime())  # 刷新
    if time_now == set_time:
        time.sleep(2)  # 因为以秒定时，所以暂停2秒，使之不会在1秒内执行多次

        subject = time.strftime("%Y-%m-%d %H:%M:%S ", time.localtime()) + " running command"
        print(subject)

        ## 执行命令
        os.system(cmd)

        break   # 执行完毕退出循环

流程：

设置脚本运行时间（如：set_time = '00:00:00'）
设置执行脚本命令（如：cmd = 'python 123.py'），可自行添加多条命令

输出：
在这里插入图片描述

2、进程结束执行脚本

代码：

import os
import time
import psutil

"""
    windows查询python.exe进程的ProcessId：
    wmic process where name="python.exe" list full
"""
ProcessId = 63112
cmd = ''

pid = psutil.Process(ProcessId)
while True:
    time.sleep(5)   # 每隔n秒查询一次进程运行情况
    if pid.is_running():
        p = psutil.Process(ProcessId)
        exec_time = time.strftime("%Y-%m-%d %H:%M:%S  ", time.localtime())
        print(exec_time + 'pid-%s, pname-%s' % (ProcessId, p.name()))
    else:
        print('ProcessId is over, running command:')
        os.system(cmd)
        break

流程：
作者以python.exe为例
1、 WIN+R进入cmd界面，输入命令：wmic process where name="python.exe" list full，获取如下信息：
在这里插入图片描述
其中主要确定所执行的py文件和对应的进程号。Linux 和 Windows 查看当前运行的 python 进程及 GPU、CPU、磁盘利用率
2、设置进程ID（如：ProcessId = 63112）
3、设置执行脚本命令（如：cmd = 'python 123.py'），可自行添加多条命令
运行结果：
在这里插入图片描述

3、添加GPU空闲内存条件

主要是读取GPU剩余显存的大小，再添加到上面的代码中作为命令执行的条件。

首先是模块安装：

pip install nvidia-ml-py3
如果是python2，则 pip install nvidia-ml-py2

读取显卡剩余显存大小

import pynvml
pynvml.nvmlInit()

# GPU 0 的使用情况
handle_0 = pynvml.nvmlDeviceGetHandleByIndex(0)
meminfo_0 = pynvml.nvmlDeviceGetMemoryInfo(handle_0)
Totol_GPU0 = meminfo_0.total / (1024 ** 3)
Used_GPU0 = meminfo_0.used / (1024 ** 3)
Free_GPU0 = meminfo_0.free / (1024 ** 3)
print('Totol_GPU0 = ' + str(Totol_GPU0) + 'G') # 显卡总的显存大小
print('Used_GPU0 = ' + str(Used_GPU0) + 'G') # 显卡已使用显存大小
print('Free_GPU0 = ' + str(Free_GPU0) + 'G') # 显卡剩余显存大小

# GPU 1 的使用情况
# handle_1 = pynvml.nvmlDeviceGetHandleByIndex(1)
# meminfo_1 = pynvml.nvmlDeviceGetMemoryInfo(handle)
# Totol_GPU1 = meminfo.total / (1024 ** 3)
# Used_GPU1 = meminfo.used / (1024 ** 3)
# Free_GPU1 = meminfo.free / (1024 ** 3)
# print('Totol_GPU1 = ' + str(Totol_GPU0) + 'G') # 显卡总的显存大小
# print('Used_GPU1 = ' + str(Used_GPU0) + 'G') # 显卡已使用显存大小
# print('Free_GPU1 = ' + str(Free_GPU0) + 'G') # 显卡剩余显存大小