这是一个创建于 2150 天前的主题，其中的信息可能已经有所发展或是发生改变。
采购了 3 块 1080ti 显卡，使用的时候发现这样的情况：
gpu0 和 2 的显存使用率一模一样，跑程序时 0 的使用率上去了，2 也会跟着上去，指定使用 gpu:0 也没用
这里是不是有什么猫腻？
第 1 条附言 · 2018-12-26 14:13:59 +08:00
我意思是有没有可能在显存上做了手脚，比如gpu:0和1实际共享了同一块显存
写一个简单程序试了下，在gpu:0上分配一个超大的变量，结果gpu:2上可用显存也同步变少了
··· from pynvml import * import torch as t
def get_memory(id): handle = nvmlDeviceGetHandleByIndex(id) info = nvmlDeviceGetMemoryInfo(handle) return info.used / info.total * 100
def print_memory(): print('=' * 40) print('gpu:0 {:.2f}%, gpu:1 {:.2f}% gpu:2 {:.2f}%'.format(get_memory(0), get_memory(1), get_memory(2))) print('=' * 40)
nvmlInit() print('NvmlInit done.')
deviceCount = nvmlDeviceGetCount() print('{} gpus detected.'.format(deviceCount))
print_memory()
print('Creating tensor [999, 99, 99, 99] on gpu:0 ..........') a = t.rand(999, 99, 99, 99).to('cuda:0') print('Done.')
print_memory() ···
··· NvmlInit done. 3 gpus detected.
gpu:0 16.60%, gpu:1 1.15% gpu:2 16.60%
Creating tensor [999, 99, 99, 99] on gpu:0 .......... Done.
gpu:0 53.28%, gpu:1 1.15% gpu:2 53.28%
···
 |
1
327beckham 2018-12-26 13:27:12 +08:00
跑 keras，用环境变量指定显卡，试一下就知道了
|
 |
2
dachuige 2018-12-26 13:31:14 +08:00
跑个挖矿程序试试看看算力就知道了。
|
Select Language