top命令输出结果中内存占用监控日志分析
因为没有找到好用的免费自动化运维监控工具,所以手动搞的轮子。
如果大家有好用的工具,欢迎推荐!
原始问题
【进程丢失】pytorch DDP分布式训练10个epoch就丢失1个GPU进程
具体解决过程可以点击上述链接查看,这里仅介绍如何监控内存占用。记录日志。
日志监控
# -d 1表示top命令频率为 每隔0.5秒;-n 1 表示刷新1次后退出
# 循环每隔0.5秒执行一次
# col命令过滤输出内容保存到日志时产生的控制字符(乱码问题)
【进程丢失】pytorch DDP分布式训练10个epoch就丢失1个GPU进程
具体解决过程可以点击上述链接查看,这里仅介绍如何监控内存占用。记录日志。
# -d 1表示top命令频率为 每隔0.5秒;-n 1 表示刷新1次后退出
# 循环每隔0.5秒执行一次
# col命令过滤输出内容保存到日志时产生的控制字符(乱码问题)