我可以查看mxnet
可用的GPU吗?
TensorFlow是否有类似的功能?
tf.test.gpu_device_name()
在mxnet
中?
我可以查看mxnet
可用的GPU吗?
TensorFlow是否有类似的功能?
tf.test.gpu_device_name()
在mxnet
中?
检查GPU是否在使用的确切方法是使用nvidia-smi
命令。 我最喜欢的参数是:
nvidia-smi --query-gpu=timestamp,name,pci.bus_id,driver_version,pstate,pcie.link.gen.max,pcie.link.gen.current,temperature.gpu,utilization.gpu,utilization.memory,memory.total,memory.free,memory.used --format=csv -l 1
如果您只想测试GPU支持是否可用(这就是tf.test.gpu_device_name()的作用),则以下函数可以帮助:
import mxnet as mx
def gpu_device(gpu_number=0):
try:
_ = mx.nd.array([1, 2, 3], ctx=mx.gpu(gpu_number))
except mx.MXNetError:
return None
return mx.gpu(gpu_number)
如果所请求的GPU设备不可用,则此函数返回None
;如果GPU设备可用,则返回相关上下文。您还可以使用此函数来检查该系统是否支持GPU:
if not gpu_device():
print('No GPU device found!')
检查mxnet
是否已经列出了GPU。
import mxnet as mx
mx.context.num_gpus()
为了使用该库,请确保在需要上下文的地方传递参数mx.gpu(0)
。在多个GPU的情况下,0
是GPU索引之一,可能会有更多的索引。如果你是从源代码构建的
>>> from mxnet.runtime import feature_list
>>> feature_list()
[✔ CUDA, ✔ CUDNN, ✖ NCCL, ✔ CUDA_RTC, ✖ TENSORRT, ✔ CPU_SSE, ✔ CPU_SSE2, ✔ CPU_SSE3, ✔ CPU_SSE4_1, ✔ CPU_SSE4_2, ✖ CPU_SSE4A, ✔ CPU_AVX, ✖ CPU_AVX2, ✖ OPENMP, ✖ SSE, ✔ F16C, ✔ JEMALLOC, ✖ BLAS_OPEN, ✖ BLAS_ATLAS, ✖ BLAS_MKL, ✖ BLAS_APPLE, ✔ LAPACK, ✔ MKLDNN, ✔ OPENCV, ✖ CAFFE, ✖ PROFILER, ✖ DIST_KVSTORE, ✖ CXX14, ✖ INT64_TENSOR_SIZE, ✖ SIGNAL_HANDLER, ✖ DEBUG]
这里,CUDA和CUDNN在构建标志中启用,说明它是使用GPU构建的!