【tensorflow】GPU的使用命令

 在使用GPU进行深度学习实验，了解GPU的状态非常重要

1、nvidia-smi

显示GPU当前的状态和属性

GPU                  ：GPU 编号； 
Name                ：GPU 型号； 
Persistence-M  ：持续模式的状态。持续模式虽然耗能大，但是在新的GPU应用启动时，花费的时间更少，这里显示的是off的状态； 
Fan                   ：风扇转速，从0到100%之间变动，N/A表示没有风扇； 
Temp                ：温度，单位是摄氏度； 
Perf                  ：性能状态，从P0到P12，P0表示最大性能，P12表示最小性能（即 GPU 未工作时为P0，达到最大工作限度时为P12）。 
Pwr:Usage/Cap：能耗； 
Memory Usage ：显存使用率； 
Bus-Id               ：涉及GPU总线的东西，domain:bus:device.function； 
Disp.A               ：Display Active，表示GPU的显示是否初始化； 
Volatile GPU-Util：浮动的GPU利用率； 
Uncorr. ECC     ：Error Correcting Code，错误检查与纠正； 
Compute M      ：compute mode，计算模式。

下面的Processes是正在运行的程序进程情况

• watch -n 1 -d nvidia-smi           #每隔1秒刷新一次 
• nvidia-smi –i xxx                       #指定某个GPU
• nvidia-smi –f xxx                       #将查询的信息输出到具体的文件中，不在终端显示

• nvidia-smi –l xxx                       #动态刷新信息（默认5s刷新一次），按Ctrl+C停止，可指定刷新频率，以秒为单位

2、指定GPU运行程序

CUDA_VISIBLE_DEVICES=设备编号 python main.py

在某个指定设备编号下运行程序，或者直接写到程序中

os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" #按照PCI_BUS_ID顺序从0开始排列GPU设备
os.environ["CUDA_VISIBLE_DEVICES"]="0" #设置当前使用的GPU设备仅为0号设备 设备名称为 ‘/gpu:0’

这样的表达更为灵活

参考：

1、https://blog.csdn.net/handsome_bear/article/details/80903477