Advertisement

Python-GPUtil：一个利用nvidia-smi从NVIDIA GPU获取GPU状态的Python模块

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Python-GPUtil是一款专为开发者设计的Python库，能够通过读取nvidia-smi数据来监测并管理NVIDIA GPU的状态和性能。 一个Python模块，用于通过nvidia-smi以编程方式从NVIDIA GPU获取GPU状态。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Python-GPUtil：一个利用nvidia-smi从NVIDIA GPU获取GPU状态的Python模块
    优质
    Python-GPUtil是一款专为开发者设计的Python库，能够通过读取nvidia-smi数据来监测并管理NVIDIA GPU的状态和性能。 一个Python模块，用于通过nvidia-smi以编程方式从NVIDIA GPU获取GPU状态。
     
  • NVIDIA-GPU-Monitor：利用nvidia-smi监控NVIDIA GPU的使用率
    优质
    NVIDIA-GPU-Monitor是一款基于nvidia-smi工具开发的应用程序，专注于实时监测和分析NVIDIA GPU的性能指标及使用情况。 Nvidia GPU监视器使用nvidia-smi帮助监控Nvidia GPU的利用率。 安装及使用方法如下： - 使用npm： ``` $ npm install --save nvidia-gpu-monitor ``` - 使用yarn： ``` $ yarn add nvidia-gpu-monitor ```
     
  • NVIDIA DCGM: 一个用于监控和评估NVIDIA GPU健康状态的项目
    优质
    NVIDIA DCGM是一款强大的工具，专为监测与评估大规模GPU集群中的NVIDIA图形处理器健康状况而设计。它帮助用户实时跟踪并优化系统性能。 NVIDIA数据中心GPU管理器（DCGM）是一套用于在集群环境中管理和监控NVIDIA数据中心GPU的工具。它包括主动健康监测、全面诊断、系统警报以及电源与时钟管理等治理策略。该工具可以独立使用，并且能够轻松集成到NVIDIA合作伙伴的集群管理工具、资源调度和监视产品中，从而简化了数据中心中的GPU管理工作流程，提高了硬件可靠性和正常运行时间，自动化了常规任务并有助于提升整体基础设施效率。 DCGM支持Linux操作系统，在x86_64、Arm及POWER（ppc64le）平台上均可使用。安装程序包包括库文件、二进制文件以及NVIDIA验证套件(NVVS)和API源代码示例(C语言，Python和Go语言版本)。此外，DCGM还集成了收集GPU遥测数据的功能，并已融入Kubernetes生态系统中。
     
  • Zabbix NVIDIA SMI Multi-GPU：基于nvidia-smi的Zabbix模板，在Windows和Linux上使用。
    优质
    本Zabbix模板利用NVIDIA SMI监控多GPU性能，适用于Windows及Linux系统，为IT管理员提供详尽的GPU状态与健康信息。 zabbix-nvidia-smi-multi-gpu 是一个使用 nvidia-smi 的 Zabbix 模板，在 Windows 和 Linux 系统的多 GPU 上运行。其主要特性包括： - 所有图形卡的低级发现项目原型：风扇转速总计，可用和已用内存功率以十瓦为单位（数十瓦），适合用于监控。 - 温度利用率 - 图形中包含风扇速度、功率消耗和温度的原型图 - 在不同 GPU 温度下设置触发器 在 Windows 上使用时： 将文件 userparameter_nvidia-smi.conf.windows 的内容添加到您的 zabbix_agentd.conf 文件中。
     
  • numpy-gpu：利用Copperhead在NVIDIA GPU上运行numpy
    优质
    numpy-gpu项目旨在通过Copperhead库将numpy代码迁移至NVIDIA GPU上执行，显著提升大规模数值计算任务性能。 在 NVIDIA GPU 上使用 numpy（通过 Copperhead）。部署：CUDNN 4.8 CUDA 6.5 为了使它工作，我必须： 将铜头源代码中 move() 函数的所有用法更改为 std::move() 以避免与 boost::move() 混淆； 在 cuda 或 thrust 包含文件中删除对 GCC 版本的限制； 在 Copperhead 源码中的某处添加对 Thrust 重新标记的包含。 安装： 首先，安装 CUDA 6.5，然后： （使用 virtualenv 简而言之；源 nutshellbinactivate） pip 安装 numpy codepy cd copperhead python setup.py build python setup.py install 或者如果您信任它：source setup.sh 用 GPU 测试 numpy: cd copperhead 样品
     
  • GPULog：利用nvidia-smi展示和记录GPU使用率的实例脚本
    优质
    GPULog是一款基于nvidia-smi工具的实用脚本，专门用于实时展示并长期记录GPU的工作状态与使用效率，便于监控和分析。 此存储库包含一些小代码示例，用于演示如何使用nvidia-smi将GPU利用率记录到CSV文件，并展示如何通过Python脚本绘制结果数据。要开始记录gpu的利用情况，请运行`log_gpu_utilization.sh`脚本。您可以通过按CTRL+C来停止日志记录过程。 若想查看已存储的日志，可以执行名为`plot_nvidia_dump.py`的脚本来显示GPU利用率： ```bash $ python plot_nvidia_dump.py gpu_log_[timestamp].csv ``` 此外，还可以通过提供特定GPU的整数ID来过滤数据。为了实现这一功能，请使用命令行参数--filter-ids。例如，若要仅查看ID为6的GPU的数据，则可以运行以下命令： ```bash $ python plot_nvidia_dump.py gpu_log_[timestamp].csv --filter-ids 6 ``` 这将只显示指定编号（这里是6）的GPU的相关数据。
     
  • NVIDIA GPU Prometheus Exporter：NVIDIA GPU Promethius导出器
    优质
    NVIDIA GPU Prometheus Exporter是一款用于监控和收集NVIDIA GPU性能数据的工具，可将数据导出给Prometheus监控系统，便于实时分析与优化。 NVIDIA GPU Prometheus导出器用于导出NVIDIA GPU指标，并使用NVML（基于C的API）来监控NVIDIA GPU设备。与其他一些类似的出口商不同，它不调用二进制文件。 构建 该存储库包含nvml.h 文件，因此构建环境没有特殊要求。可以通过执行 `go get github.com/mindprince/nvidia_gpu_prometheus_exporter` 来获取导出器的源代码并进行构建。 运行 出口商需要满足以下条件： - 访问NVML库（libnvidia-ml.so.1）。 - 访问GPU设备。 为了确保导出器可以访问NVML库，可以将它们添加到共享库的搜索路径中。或者设置LD_LIBRARY_PATH指向其位置。 默认情况下，度量标准在端口9445上公开。可以通过使用 `-web.listen-address` 标志进行更新来更改监听地址。 容器内运行 如果要在容器中运行导出程序，则需要执行以下操作以使容器可以访问NVML库： - 设置环境变量 `LD_LIBRARY_PATH=`
     
  • 利用NVIDIA GPU通过Nvidia-Docker构建和运行Docker容器.zip
    优质
    本资料深入讲解了如何使用NVIDIA GPU以及Nvidia-Docker技术来高效地构建与运行Docker容器，适用于需要进行高性能计算或图形处理的学习者和技术人员。 Nvidia-docker 是一个利用 NVIDIA GPU 构建和运行 Docker 容器的实用程序。完整的文档和常见问题可以在存储库的 wiki 中找到。 快速入门指南： 确保你已经安装了适用于你的发行版版本的 NVIDIA 驱动程序和支持的 Docker 版本。
     
  • NVIDIA GPU计算工具包.7z
    优质
    NVIDIA GPU计算工具包包含一系列用于开发高性能GPU加速应用的库和工具，适用于科学计算、人工智能等领域。 cuda_11.2.2_461.33_win10 cudnn-11.2-windows-x64-v8.1.1.33，非安装程序版本