如何在Python中获取每秒的GPU使用率

Question

我有一个由

tensorflow-gpu

运行的模型，我的设备是

nvidia

。我想列出每秒的 GPU 使用情况，以便可以测量平均/最大 GPU 使用情况。我可以通过打开两个终端来手动执行此操作，一个是运行模型，另一个是通过

nvidia-smi -l 1

进行测量。当然，这不是一个好办法。我也尝试使用

Thread

来做到这一点，就是这样。

import subprocess as sp
import os
from threading import Thread

class MyThread(Thread):
    def __init__(self, func, args):
        super(MyThread, self).__init__()
        self.func = func
        self.args = args

    def run(self):
        self.result = self.func(*self.args)

    def get_result(self):
        return self.result

def get_gpu_memory():
   output_to_list = lambda x: x.decode('ascii').split('\n')[:-1]
   ACCEPTABLE_AVAILABLE_MEMORY = 1024
   COMMAND = "nvidia-smi -l 1 --query-gpu=memory.used --format=csv"
   memory_use_info = output_to_list(sp.check_output(COMMAND.split()))[1:]
   memory_use_values = [int(x.split()[0]) for i, x in enumerate(memory_use_info)]
   return memory_use_values

def run():
   pass

t1 = MyThread(run, args=())
t2 = MyThread(get_gpu_memory, args=())

t1.start()
t2.start()
t1.join()
t2.join()
res1 = t2.get_result()

但是，这也不会返回每秒的使用情况。有好的解决办法吗？

Answer 1

在命令中

nvidia-smi -l 1 --query-gpu=memory.used --format=csv

-l 代表：

-l, --loop= 探测，直到按指定的第二个间隔按下 Ctrl+C。

所以命令：

COMMAND = 'nvidia-smi -l 1 --query-gpu=memory.used --format=csv'
sp.check_output(COMMAND.split())

永远不会终止并返回。

如果将事件循环从命令（nvidia-smi）删除到python，它就会起作用。

这是代码：

import subprocess as sp
import os
from threading import Thread , Timer
import sched, time

def get_gpu_memory():
    output_to_list = lambda x: x.decode('ascii').split('\n')[:-1]
    ACCEPTABLE_AVAILABLE_MEMORY = 1024
    COMMAND = "nvidia-smi --query-gpu=memory.used --format=csv"
    try:
        memory_use_info = output_to_list(sp.check_output(COMMAND.split(),stderr=sp.STDOUT))[1:]
    except sp.CalledProcessError as e:
        raise RuntimeError("command '{}' return with error (code {}): {}".format(e.cmd, e.returncode, e.output))
    memory_use_values = [int(x.split()[0]) for i, x in enumerate(memory_use_info)]
    # print(memory_use_values)
    return memory_use_values


def print_gpu_memory_every_5secs():
    """
        This function calls itself every 5 secs and print the gpu_memory.
    """
    Timer(5.0, print_gpu_memory_every_5secs).start()
    print(get_gpu_memory())

print_gpu_memory_every_5secs()

"""
Do stuff.
"""

Answer 2

尝试

pip install nvidia-ml-py3

：

import nvidia_smi

nvidia_smi.nvmlInit()
deviceCount = nvidia_smi.nvmlDeviceGetCount()
for i in range(deviceCount):
    handle = nvidia_smi.nvmlDeviceGetHandleByIndex(i)
    util = nvidia_smi.nvmlDeviceGetUtilizationRates(handle)
    mem = nvidia_smi.nvmlDeviceGetMemoryInfo(handle)
    print(f"|Device {i}| Mem Free: {mem.free/1024**2:5.2f}MB / {mem.total/1024**2:5.2f}MB | gpu-util: {util.gpu/100.0:3.1%} | gpu-mem: {util.memory/100.0:3.1%} |")

参考：如何通过代码获取GPU使用率？

Answer 3

这是获得此输出的更基本的方法，但同样有效 - 而且我认为更容易理解。我添加了一个小型 10 值缓存以获得良好的近期平均值，并将检查时间提高到每秒。它输出最后 10 秒和当前每秒的平均值，因此可以识别导致使用的操作（我认为最初的问题是）。

import subprocess as sp
import time

memory_total=8192 #found with this command: nvidia-smi --query-gpu=memory.total --format=csv
memory_used_command = "nvidia-smi --query-gpu=memory.used --format=csv"

isolate_memory_value = lambda x: "".join(y for y in x.decode('ascii') if y in "0123456789")

def main():
   percentage_cache = []

   while True:
       memory_used = isolate_memory_value(sp.check_output(memory_used_command.split(), stderr=sp.STDOUT))
       percentage = float(memory_used)/float(memory_total)*100
       percentage_cache.append(percentage)
       percentage_cache = percentage_cache[max(0, len(percentage_cache) - 10):]

       print("curr: " + str(percentage) + " %", "\navg:  " + str(sum(percentage_cache)/len(percentage_cache))[:4] + " %\n")
       time.sleep(1)

main()

Answer 4

您可能想使用

https://github.com/anderskm/gputil#usage

中的 GPutil

# For prints
GPUtil.showUtilization()

# To get values
GPUs = GPUtil.getGPUs()
load = GPUs[0].load