nvidia CUDA 信息查看

最新推荐文章于 2024-05-14 07:16:23 发布
最新推荐文章于 2024-05-14 07:16:23 发布
阅读量3.2k 收藏 2
点赞数 1
分类专栏： 计算机 Linux 文章标签： linux cuda nvidia
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sunjinshengli/article/details/108181660
版权

文章目录

异常信息

运行机器学习的时候遇到一个错误：

InternalError (see above for traceback): Dst tensor is not initialized.

然后参考CSDN:weixin_43444314的博客1，可能是显卡内存不够了的问题。的确是这个问题。然后顺手把nvidia-smi这个命令查到的信息整理一下。

nvidia信息查询

主要查看cuda/cudnn的版本号信息，以及显卡的使用情况23。

序号命令意义
1nvidia-smi查看NVIDIA 显卡信息
2nvcc -V查看CUDA版本
3cat /usr/local/cuda/version.txt查看cuda版本
4cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2查看cudnn版本

nvidia-smi信息意义

nvidia-smi是nvidia 的系统管理界面 ，其中smi是System management interface的缩写，它可以收集各种级别的信息，查看显存使用情况。此外, 可以启用和禁用 GPU 配置选项 (如 ECC 内存功能)。

nvidia-smi有一系列的命令，具体可以参考CSDN:C小C.Nvidia-smi简介及常用指令及其参数说明，本文摘录最常用的nvidia-smi命令信息情况。

nvidia-smi可以显示GPU的所有基础信息

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.56       Driver Version: 418.56       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  Off  | 00000000:02:00.0 Off |                  N/A |
| 23%   25C    P8     8W / 250W |  10998MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce GTX 108...  Off  | 00000000:03:00.0 Off |                  N/A |
| 23%   26C    P8     8W / 250W |  10851MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   2  GeForce GTX 108...  Off  | 00000000:82:00.0 Off |                  N/A |
| 43%   73C    P2   194W / 250W |  10879MiB / 11178MiB |    100%      Default |
+-------------------------------+----------------------+----------------------+
|   3  GeForce GTX 108...  Off  | 00000000:83:00.0 Off |                  N/A |
| 23%   26C    P8     9W / 250W |    316MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+

各项意义如下：

  • GPU：本机中的GPU编号
  • Name：GPU 类型
  • Persistence-M：
  • Fan：风扇转速
  • Temp：温度，单位摄氏度
  • Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能
  • Pwr:Usage/Cap：能耗表示
  • Bus-Id：涉及GPU总线的相关信息；
  • 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：浮动的GPU利用率
  • Uncorr. ECC：关于ECC的东西
  • Compute M.：计算模式
  • Processes 显示每块GPU上每个进程所使用的显存情况。

实时刷新nvidia-smi

watch -n 1 -d nvidia-smi # 每隔一秒刷新状态

参考资料

  1. CSDN:weixin_43444314.InternalError.2020 ↩︎

  2. CSDN:xiaotao_1.查看NVIDIA 显卡信息和CUDA信息命令.2020 ↩︎

  3. CSDN:baidu_32936911.查看cudnn版本.2020 ↩︎

sunpro518
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
NVIDIA CUDA官方工具11.4.0版本win10系统在线安装包
07-23
CUDA是NVIDIA公司推出的一种并行计算平台和编程模型，专为加速高性能计算而设计。CUDA 11.4.0是NVIDIA针对Windows 10系统提供的一个更新版本，旨在提升GPU计算效率，增强软件兼容性和性能优化。在这个版本中，用户...
nvidia cuda-samples
01-11
1. **基本示例**：如“deviceQuery”和“bandwidthTest”，它们展示了如何初始化CUDA环境，获取GPU信息，以及测量数据传输和计算性能。这些示例有助于开发者理解CUDA的基本工作流程。 2. **线性代数与数学运算**：...
CUDA/cuDNN/GPU/驱动相关查询
IT菜鸟
09-05 4419
一、查看显卡型号 参考资料 Linux(Ubuntu)系统查看显卡型号 方法一（推荐） 查看显卡型号 lspci | grep -i vga # 返回的是一个十六进制数字代码 01:00.0 VGA compatible controller: NVIDIA Corporation Device 1f82 (rev a1) 查看十六进制代号 # 查询网站 http://pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci # 查的结果 Name: T
tensorflow识别不了gpu rtx3080解决方式
weixin_42626375的博客
07-11 5561
tensorflow识别不了gpu rtx3080解决方式
查看NVIDIA CUDA版本号的方法
最新发布
听海边涛声
05-14 222
查看NVIDIA CUDA版本号的方法
解决:运行 tensorflow-gpu相关代码报错/缺少dll文件（无需修改tensorflow版本）
Netceor的博客
08-20 3544
一、问题 在运行以下一些代码测试 gpu的时候报错了 # 代码1 print(tf.test.is_gpu_available()) # 代码2 import tensorflow as tf a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a
解决在Ubuntu中Pycharm一直tf.test.is_gpu_available()为false的问题
vivohchj的博客
07-29 3638
目录本人所安装软件环境新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 本人所安装软件环境 Ubuntu20.04 + CUDA10.0 + cudNN7.6.5 + python3.7 tensorflow-gpu安了两个
检查Tensorflow-gpu是否可用
NoeCHE的博客
10-19 1392
>>> tf.test.is_gpu_available() WARNING:tensorflow:From <stdin>:1: is_gpu_available (from tensorflow.python.fram ework.test_util) is deprecated and will be removed in a future version. Instructions for updating: Use `tf.config.list_phy.
CUDA版本查看指南：轻松掌握你的GPU性能
创作高质量博文，分享知识，共同进步！
03-27 2825
🌵CUDA版本查看指南摘要🌵 🤔你是否曾疑惑为何需要知道自己的CUDA版本？🤔其实，这关乎代码稳定性和GPU性能优化！🚀本文教你如何轻松查看CUDA版本，助你掌握GPU性能。#CUDA版本查看# #GPU性能优化# #深度学习# #高性能计算#
CUDA-Fortran-Book_nvidia_CUDA-Fortran_
10-04
《CUDA-Fortran-Book_nvidia_CUDA-Fortran_》是关于NVIDIA CUDA Fortran的一本详细教程，旨在帮助开发者理解和应用CUDA Fortran进行高性能计算。CUDA Fortran是NVIDIA公司为Fortran语言开发的一种扩展，它允许程序员...
NVIDIA CUDA C/C++ Streams And Concurrency.pdf
11-07
CUDA流（Streams）是NVIDIA CUDA C/C++编程模型中的一个重要特性，用于实现GPU上的并发执行，从而提高计算效率和性能。CUDA流是一系列按顺序执行的GPU操作序列，它们可以独立于其他流并发运行，这使得在单一GPU上...
详解tensorflow2.x版本无法调用gpu的一种解决方法
01-21
最近学校给了一个服务器账号用来训练神经网络使用，服务器本身配置是十路titan V，然后在上面装了tensorflow2.2，对应的python版本是3.6.2，装好之后用tf.test.is_gpu_available()查看是否能调用gpu，结果返回结果是false，具体如下： 这里tensorflow应该是检测出了gpu，但是因为某些库无法打开而导致tensorflow无法调用，返回了false，详细查看错误信息可以看到一行： 可以看到上面几个文件都顺利打开了，但是最后一个libcudnn.so.7文件显示无法打开，not such file or directory。怀疑是
nvidia cuda 学习.md
08-11
nvidia cuda 学习.md
怎么动态查看cuda的使用率
weixin_44217936的博客
07-28 7224
打开任务管理器——性能——GPU——copy 点击copy旁边的小箭头，选择cuda 调转成功如图
查看模型训练时gpu利用率
sheriand的博客
05-01 3528
小白 记录一下遇到的各种问题。windows11. 法1：win+R，输入cmd 输入：nvidia-smi，没有空格，否则会出现“nvidia-smi”不是内部或外部命令。 法2：直接在任务管理器--性能上查看，快捷键ctrl+shift+esc。好处是可以实时看到利用率变化 但是自己在训练时发现法1和法2的gpu利用率显示的不一样。找了很久。。发现任务管理器上的显示的是如下图：3d。改为cuda就好了。 如果没有cuda这个选项，需要改一下设置--显示--显示卡-.
CUDA｜Windows 系统 CUDA、NVCC、CUDNN 版本查看方法
长行
01-08 8842
显卡、显卡驱动、CUDA、NVCC、CUDNN 版本查看方法（Windows）
检测安装Tensorflow后是否成功调用GPU
小白菜快努力
03-03 9762
在安装好tensorflow及其相关部件后，我们可以通过以下方法去检测Tensorflow是否成功调用了GPU。
如何确定TensorFlow使用的是GPU运行
航院小将的博客
12-16 9982
只要配置好了GPU的驱动和cuda 以及cudnn等工具(配置好环境），程序执行会默认先使用GPU的，如果不能执行的话再使用CPU。有些配置好cuda的机器能够执行tensorflow，但是运行慢，可能是因为运行使用的是CPU运行，而不是GPU在执行程序，如何判断我们的程序是使用CPU还是GPU在执行TensorFlow。 可使用下面小程序测试：（参考：TensorFlow实战Google...
Tensorflow 、Pytorch测试GPU、CUDA是否可用
excelNo1的博客
05-31 2747
Tensorflow 测试GPU是否可用 1.打开Anconda Prompt进入环境 conda activate tf //激活环境名为tf的环境 2.输入python，进入python 3.输入测试代码 import tensorflow as tf print(tf.test.is_gpu_available()) 4.打印结果 True //表示GPU可用 False//表示GPU不可用，需要排查原因 5.测试CUDA 是否可用 import tensorflow as tf tf.te
Nvidia CUDA
01-19
NVIDIA CUDA是一种并行计算平台和编程模型，用于利用NVIDIA GPU的强大计算能力。它允许开发人员使用C、C++、Fortran等编程语言来编写并行计算程序，并在GPU上执行这些程序。CUDA提供了一组API和工具，使开发人员能够利用GPU的并行处理能力来加速各种计算任务，包括科学计算、机器学习、图形渲染等。 通过CUDA，开发人员可以将计算任务分解为多个并行的线程块，每个线程块在GPU上的多个处理器核心上同时执行。这种并行执行方式可以显著提高计算性能，特别是对于那些需要大量计算的任务。CUDA还提供了许多优化技术和工具，帮助开发人员进一步提高程序的性能。 要使用NVIDIA CUDA，首先需要安装NVIDIA显卡驱动和CUDA工具包。可以从NVIDIA官方网站下载并安装CUDA工具包。安装完成后，开发人员可以使用CUDA编程模型来编写并行计算程序，并使用NVIDIA的编译器和工具链来构建和运行这些程序。 以下是一个使用CUDA编写的简单示例程序，用于将两个向量相加： ```c #include <stdio.h> __global__ void vectorAdd(int *a, int *b, int *c, int n) { int tid = blockIdx.x * blockDim.x + threadIdx.x; if (tid < n) { c[tid] = a[tid] + b[tid]; } } int main() { int n = 1000; int *a, *b, *c; int *d_a, *d_b, *d_c; int size = n * sizeof(int); // 分配内存并初始化向量a和b a = (int*)malloc(size); b = (int*)malloc(size); c = (int*)malloc(size); for (int i = 0; i < n; i++) { a[i] = i; b[i] = i; } // 在GPU上分配内存 cudaMalloc(&d_a, size); cudaMalloc(&d_b, size); cudaMalloc(&d_c, size); // 将向量a和b复制到GPU内存 cudaMemcpy(d_a, a, size, cudaMemcpyHostToDevice); cudaMemcpy(d_b, b, size, cudaMemcpyHostToDevice); // 启动核函数 vectorAdd<<<(n+255)/256, 256>>>(d_a, d_b, d_c, n); // 将结果从GPU内存复制到主机内存 cudaMemcpy(c, d_c, size, cudaMemcpyDeviceToHost); // 打印结果 for (int i = 0; i < n; i++) { printf("%d ", c[i]); } printf("\n"); // 释放内存 free(a); free(b); free(c); cudaFree(d_a); cudaFree(d_b); cudaFree(d_c); return 0; } ``` 这个示例程序使用CUDA在GPU上并行计算两个向量的和，并将结果打印出来。在主机上分配内存并初始化向量a和b，然后在GPU上分配内存并将数据复制到GPU内存中。接下来，启动核函数来执行并行计算，最后将结果从GPU内存复制回主机内存并打印出来。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值