时间:2022-01-12|浏览:357
假如忽然想把全部大马力所有资金投入到新的深度学习问题,如何使挖矿越来越方便快捷、自动化技术和无影响?理想化的解决办法是:一些background thing持续查验GPU的使用率,当没人应用它,就运行挖矿。可是,当TensorFlow或PyTorch或别的专用工具要想缩小一些数据时,这一监视器务必尽早终止发掘,便于将测算核心释放出来到有效的每日任务上。虽然问题非常简单,但我都沒有发觉一切相近的东西,因此自己写了一个GPU监视器(GPU monitor)。它很通用性,不但适用挖矿,你还是可以试着用它做其他事儿。
必备条件我的新项目叫gpumon,源码可以这里寻找:github.com/Shmuma它是用python 3撰写的,除开标准库以外不依靠一切东西,可是它应当在Linux系统软件上运行,因此假如你在深度学习box上应用windows,gpumon将失灵。总体逻辑上边叙述的彻底一样:gpumo定期维护GPU,要是没有人应用它,它将运行您在config文件中特定的程序流程。假如某一过程开启GPU机器设备,运行中的挖矿将终断以释放出来資源。因此,在安装完全部东西并运行显示屏后,你需要做的便是仍旧应用你的GPU box,挖矿和深度学习中间的overlap只需几秒。要获得浏览GPU机器设备(假设为/ dev/ nvidia )的过程目录,请应用fuser命令行工具。在根据Debian的distribution中,例如ubuntu或debian,是由psmisc程序包给予的。假如我并没有搞错得话,它将被包括在基本上安装系统中,因此不用安裝一切东西。假如您的操作系统沒有给予fuser,请开展安裝。