【教程】如何利用深度学习硬件的“闲置时间”来挖矿
没有GPU，深度学习就无法进行。但当你没有优化任何东西时，如何让所有的teraflops都被充分利用？
最近比特币价格一路飙升，您可以考虑利用这些闲置的资源来获取利润。这并不难，你需要做的就是设置一个钱包，选择要挖掘的东西，建立一个矿工软件并运行它。在谷歌上搜索“如何开始在GPU上挖矿”，有很多详细说明如何挖矿的文章。
如何使挖矿更便捷？
如果我突然想把所有马力全部投入到新的深度学习问题，如何使挖矿变得便捷、自动化和无干扰？理想的解决方案是：一些background thing不断检查GPU的利用率，当没有人使用它，就启动矿工。但是，当TensorFlow或PyTorch或其他工具想要压缩一些数字时，这个监视器必须尽快停止挖掘，以便将计算内核释放到有用的任务上。
尽管问题很简单，但我还没有发现任何类似的东西，所以我自己写了一个GPU监视器（GPU monitor）。它很通用，不仅适用于挖矿，你还可以尝试用它做别的事情。
必要条件
我的项目叫gpu_mon，源代码可以在这里找到：https：//github.com/Shmuma/gpu_mon。它是用python 3编写的，除了标准库之外不依赖任何东西，但是它应该在Linux系统上运行，所以如果你在深度学习box上使用windows，gpu_mon将不起作用。
整体逻辑与上面描述的完全一样：gpu_mon定期检查GPU，如果没有人使用它，它将运行您在config文件中指定的程序。如果某个进程打开GPU设备，运行中的挖矿将中断以释放资源。所以，在设置完所有东西并启动显示器后，你需要做的就是照常使用你的GPU box，矿工和深度学习之间的overlap只需几秒钟。
要获取访问GPU设备（假定为/ dev/ nvidia *）的进程列表，请使用fuser命令行工具。在基于Debian的distribution中，比如ubuntu或debian，是由psmisc软件包提供的。如果我没有弄错的话，它将被包含在基本系统安装中，所以不需要安装任何东西。如果您的系统没有提供fuser，请进行安装。
配置
整个项目被配置在一个单独的配置文件中，该配置文件具有ini-file格式，并且预计将位于〜/ .config / gpu_mon.conf文件的主目录中。示例配置文件如下所示，也可在项目源文件中找到。
配置文件可包含四部分：
1. 默认全局配置[defaults]。这里只有一个选项，它指定GPU设备检查使用的频率。默认情况下，每10秒执行一次检查，并收集有关系统中所有GPU的数据。
2. GPU配置可以由一个或多个名称中带有gpu-prefix的部分来指定。您可以通过指定其ID（在/ dev / nvidiaX设备文件中的整数）来描述安装的GPU卡组。对于每个GPU组，您都可以提供不会抢占GPU的矿工进程的程序列表。这对nvidia-smi等工具非常有用，它可以访问GPU设备，但应该不会导致挖矿停止。
3. 矿工进程配置部分可以用名字中带有process-前缀的一个或多个部分来描述。对于每个部分，您可以指定要运行的矿工的命令行，从中启动矿工的目录名称，希望矿工受到限制的GPU标识和日志文件的名称。
4. TTY监控部分，它允许您启用可选的伪终端监控，抢占矿工。该功能在默认情况下被禁用。
下面是我在带有2个GPU卡的box上使用的配置文件示例。
[defaults]
; how frequently perform GPU open and tty checks
interval_seconds=10
; configuration of GPUs to monitor for external program access. It could be several such sections
[gpu-all]
; list of comma-separated gpu indices or ALL to handle all available gpus
gpus=ALL
; comma-separated list of programs which can access gpu and should be ignored
ignore_programs=nvidia-smi
; program which will be started on gpu during idle time
[process-0]
dir=/tmp
cmd=/var/bin/miner
; list of gpu indices or ALL to handle all available gpus. If not ALL, CUDA_VISIBLE_DEVICES will be set
gpus=0
log=/var/log/miner-0.log
[process-1]
dir=/tmp
cmd=/var/bin/miner
; list of gpu indices or ALL to handle all available gpus. If not ALL, CUDA_VISIBLE_DEVICES will be set
gpus=1
log=/var/log/miner-1.log
; configuration of tty monitoring
[tty]
enabled=False此配置允许通过为系统中的每个卡指定单独进程，来对GPU使用进行细粒度控制。因此，如果我运行只占用第一个GPU的深度学习进程（通过导出CUDA_VISIBLE_DEVICE = 0），在第二个GPU上启动的矿工进程将继续工作。但是，如果我的优化打开两个GPU卡，两个矿工将被取代，资源将被释放。
正如我所说的，一切都是透明的。所以，你不应该在开始和停止矿工的过程中花费太多精力，只需要想想，运行TF或者PyTorch时要为你的深度学习优化分配多少GPU。
下面是我可以提供的一些额外信息。
自动启动gpu_mon
为了使gpu_mon完全没有问题，我们需要确保在系统启动时它在后台启动。有很多方法可以启动一个进程，但我最喜欢的解决方案是用supervisord，用于检查正在运行的进程，并在发生崩溃时重新启动进程。为了启动gpu_mon，首先需要设置supervisord。如果还没有安装，可以将配置文件放入/etc/supervisor/conf.d/gpu_mon.conf中。以下是我使用的配置：
[program:gpu_mon]
command=/usr/bin/python3 /gpu_mon/gpu_mon.py
user=
environment=HOME=,USER=
autostart=true
autorestart=true 安装完成后，你需要重新启动supervisord，并通过运行以下命令来检查gpu_mon是否已启动：supervisorctl status gpu_mon，它应该返回如下所示的内容：
root@gpu:/etc/supervisor/conf.d# supervisorctl status gpu_mon
gpu_mon RUNNING pid 1526, uptime 57 days, 18:14:27多用户访问GPU
如果gpu_mon以一个用户身份运行，但是深度学习软件可以作为另一个用户或由多用户运行，则gpu_mon可能无法抢占矿工。发生这种情况是由于fuser命令的安全限制，它不会显示其他用户进程打开设备文件。如果你遇到这种情况，但是仍然想要使用gpu_mon，你有两种选择：
*以root身份运行gpu_mon。我不推荐这种方法，因为以root身份启动某些东西总是一个坏主意。
*将SUID位添加到fuser二进制文件。在Ubuntu distribution中，这可以通过运行chmod + s / bin / fuser命令来完成，并且它有效地允许fuser查看所有访问该文件的用户，就像SUID位一样，binary也是以文件所有者凭据启动的。但是你仍然需要root权限才能做到这一点。
怎么去挖矿？挖什么？
多亏了现在加密货币的繁荣发展，有很多可用的选项。我个人最喜欢的是基于equihash的货币，比如ZCash或者Komodo，它们都可以用一个矿工挖矿。我使用修改后的版本EWBF miner，比原始版本快10％。
正如我所说的，gpu_mon不会进行自我挖掘，它只是一个GPU访问跟踪器。所以，你可以运行任何你想要的CUDA优化的矿工。
能赚钱吗？
能赚钱。但加密货币的复杂性正在增长，不要指望用一张1080卡挖到百万美元。但总体上，挖矿所得减去挖矿电费，最后还是能够盈利的。所以去挖吧！有一个网站可以告诉你，在给定的复杂性、汇率和你的算力等前提下，挖矿收入大约是多少。网址是https：//whattomine.com/。
原文发布时间为：2017-12-25
本文作者：西西莉亚
本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”微信公众号
原文链接：【教程】如何利用深度学习硬件的“闲置时间”来挖矿