1、服务器信息查询

CPU查询

1
2
3
4
# 查看CPU信息
cat /proc/cpuinfo | grep "physical id" | uniq | wc -l #查看CPU个数
cat /proc/cpuinfo | grep "cpu cores" | uniq #查看CPU核数
cat /proc/cpuinfo | grep 'model name' |uniq #查看CPU型号

GPU查询

1
2
3
4
5
6
7
8
9
10
# 查看GPU信息
sudo dpkg --list | grep nvidia-* # 查看驱动版本
lshw -c video #查看显卡型号
$ lspci | grep -i nvidia # 可以查询所有nvidia显卡
$ lspci -v -s [显卡编号] # 可以查看显卡具体属性
$ nvidia-smi # 可以查看显卡的显存利用率
$ cat /etc/issue # 查看Linux发布版本号
$ lsb_release -a # 查看Linux发布版本号
$ uname -sr # 查看内核版本号
$ uname -a # 查看内核版本号

lspci是一种实用程序，用于在系统中显示有关pci总线的信息以及连接到它们的设备。

CUDA版本

1
2
nvidia-smi # 右上角CUDA Version，但可能不准确，推荐使用nvcc -V
nvcc -V # 建议以nvcc -V查询为主

在这里插入图片描述

实时查看nvidia-smi

1
2
nvidia-smi -l 1 # 以每秒刷新一次进行信息，结果为1s一次输出nvidia-smi，不流畅，建议使用吓一条命令
watch -n 1 nvidia-smi # 会在同一位置处1s更新窗口信息

2、显卡信息查看

1
2
3
4
5
6
7
8
torch.cuda.is_available() # 查看是否有可用GPU
torch.cuda.device_count() # 查看GPU数量
torch.cuda.get_device_capability(device) # 查看指定GPU容量
torch.cuda.get_device_name(device) # 查看指定GPU名称
torch.cuda.empty_cache() # 清空程序占用的GPU资源
torch.cuda.manual_seed(seed) # 设置随机种子
torch.cuda.manual_seed_all(seed) # 设置随机种子
torch.cuda.get_device_properties(i) # i为第几张卡，显示该卡的详细信息

3、输出模型增肌信息

1
2
3
4
5
6
7
s = f'MODEL 🚀 torch {torch.__version__} '
    n = torch.cuda.device_count()
    space = ' ' * (len(s)+1)
    for d in range(n):
        p = torch.cuda.get_device_properties(d)
        s += f"{'' if d == 0 else space}CUDA:{d} ({p.name}, {p.total_memory / 1024 ** 2}MB)\n"  # bytes to MB
    print(s)

在这里插入图片描述

4、指定使用显卡

通过os.environ["CUDA_VISIBLE_DEVICES"]指定所要使用的显卡：

1
2
3
import os
os.environ['CUDA_VISIBLE_DEVICES'] = "2,1,3,4"
print("torch.cuda.device_count() {}".format(torch.cuda.device_count()))

这种设置方式，2号卡就变成了主卡。CUDA_VISIBLE_DEVICES 表示当前可以被python环境程序检测到的显卡。os.environ["CUDA_VISIBLE_DEVICES"] = "2,1,3,4"进行指定使用设备，这样会修改pytorch感受的设备编号，pytorch感知的编号还是从device:0开始。如上会把2号显卡改为device:0，1号显卡改为device:1。

如果有多个显卡，设置了os.environ["CUDA_VISIBLE_DEVICES"]后，其他没有设置的显卡将不会在本次代码中显示。os.environ["CUDA_VISIBLE_DEVICES"]需要设置在代码开头。

另外，使用终端也可以直接选择选择显卡，输入CUDA_VISIBLE_DEVICES=0 python train.py也可以