nvidia-smi命令可以查看GPU使用情况,但是只能看到占用每个GPU的进程ID。根据进程ID可以得到进程详情,进程详情中包括用户ID,根据用户ID可以获取用户名称,从而知道哪个用户在使用GPU。

import json
import os
import re
import sys
import time
import typing import bidict """
查看谁在使用GPU
""" def get_user_id_map() -> typing.Dict[str:str]:
"""获取用户名和用户ID的对应关系"""
home = os.path.expanduser('~')
users = bidict.bidict()
for user_name in os.listdir(os.path.join(home, '..')):
info = os.popen('id ' + user_name + ' 2>&1').read().strip()
if 'no such user' in info: continue
try:
a = re.search("uid=(\\d+)\((\\w+)\)", info)
users[a.group(1)] = a.group(2) # userid==>username
except Exception as e:
print(e)
return users def nvidia_smi() -> (int, typing.Dict[str:str]):
"""使用nvidia-smi命令查看GPU使用情况,返回GPU个数和各个GPU的进程的描述line"""
info = os.popen('nvidia-smi').read()
info = info.split('\n')
"""
smi信息分成上下两部分
上面部分:以表格形式展示各个GPU的使用率
下面部分:展示各个GPU上运行的进程ID
"""
space_ind = 0
for ind, line in enumerate(info):
if not line.strip():
space_ind = ind
break first_line = 0
for ind, line in enumerate(info):
if line.startswith('|===='):
first_line = ind
break gpu_count = abs(space_ind - first_line) // 3
pos = None
for ind, line in enumerate(info):
line = line.split()
if len(line) > 1 and line[1] == 'Processes:':
pos = ind + 2
break
gpu_usage = dict()
if pos == None:
return gpu_count, gpu_usage
for i in range(pos, len(info)):
line = info[i].split()
if len(line) > 1:
thread = line[2]
gpu_id = int(line[1])
if gpu_id not in gpu_usage:
gpu_usage[gpu_id] = []
gpu_usage[gpu_id].append(thread)
return gpu_count, gpu_usage def get_thread_info(thread_id: str):
"""根据thread_id获取thread详细信息"""
id2user = get_user_id_map()
thread_info = os.popen('ps -l ' + thread_id).read().split('\n')[1].split()
thread_user = id2user.get(thread_info[2])
thread_time = re.search('\\d+', thread_info[12]).group()
thread_cmd = ' '.join(thread_info[13:])
return dict(user=thread_user, use_time="{} hours".format(float(thread_time) / 60), thread_id=thread_id, cmd=thread_cmd) def grep_gpu(task):
"""抢占GPU准备执行某个任务"""
free_gpu = None
while free_gpu is None:
gpu_count, usage = nvidia_smi()
time.sleep(2)
for i in range(gpu_count):
if i not in usage:
free_gpu = i
break
print('free gpu found ! ', free_gpu)
os.system(task) def show():
gpu_count, usage = nvidia_smi()
for gpu_id in usage:
usage[gpu_id] = [get_thread_info(thread_id) for thread_id in usage[gpu_id]]
print('gpu count', gpu_count)
print(json.dumps(usage, ensure_ascii=0, indent=2)) def run(gpu_id, task):
os.environ['CUDA_VISIBLE_DEVICES'] = str(gpu_id)
os.system('echo CUDA_VISIBLE_DEVICES:$CUDA_VISIBLE_DEVICES')
os.system(task) if __name__ == '__main__':
print(sys.argv)
if len(sys.argv) == 1:
print("""
GPU utility gpu show
gpu grep your command here
gpu 1 python haha.py
""")
exit(0)
action = sys.argv[1]
if action == 'show': # 显示GPU使用情况
show()
elif action == 'grep': # 争夺GPU,得到之后执行命令
cmd = ' '.join(sys.argv[2:])
print('grep gpu and run', cmd)
grep_gpu(cmd)
elif re.match("\\d+", action): # 使用gpu_id执行某个action
gpu_id = int(action)
cmd = ' '.join(sys.argv[2:])
print('run on gpu', gpu_id, 'cmd', cmd)
run(gpu_id, cmd)
else:
print("unkown command")

谁在使用GPU?的更多相关文章

  1. 高级渲染技巧和代码示例 GPU Pro 7

    下载代码示例 移动设备正呈现着像素越来越高,屏幕尺寸越来越小的发展趋势. 由于像素着色的能耗非常大,因此 DPI 的增加以及移动设备固有的功耗受限环境为降低像素着色成本带来了巨大的压力. MSAA 有 ...

  2. 【腾讯优测干货分享】安卓专项测试之GPU测试探索

    本文来自于Dev Club 开发者社区,非经作者同意,请勿转载,原文地址:http://dev.qq.com/topic/57c7ffdc0569a1191bce8a63 作者:章未哲——腾讯SNG质 ...

  3. [译]基于GPU的体渲染高级技术之raycasting算法

    [译]基于GPU的体渲染高级技术之raycasting算法 PS:我决定翻译一下<Advanced Illumination Techniques for GPU-Based Volume Ra ...

  4. Microsoft Windows* SDK May 2010 或较新版本(兼容 2010 年 6 月 DirectX SDK)GPU Detect

    原文链接 下载代码样本 特性/描述 日期: 2016 年 5 月 5 日 GPU Detect 是一种简短的示例,演示了检测系统中主要显卡硬件(包括第六代智能英特尔® 酷睿™ 处理器产品家族)的方式. ...

  5. 基于GPU的高分一号影像正射校正的设计与实现

    一 RPC正射校正的原理 影像正射校正的方法有很多,主要包含两大类:一类是严格的几何纠正模型,另一类是近似几何纠正模型.当遥感影像的成像模型和有关参数已知时,可以根据严格的成像模型来校正图像,这种方法 ...

  6. tensorflow 一些好的blog链接和tensorflow gpu版本安装

    pading :SAME,VALID 区别  http://blog.csdn.net/mao_xiao_feng/article/details/53444333 tensorflow实现的各种算法 ...

  7. [信安Presentation]一种基于GPU并行计算的MD5密码解密方法

    -------------------paper--------------------- 一种基于GPU并行计算的MD5密码解密方法 0.abstract1.md5算法概述2.md5安全性分析3.基 ...

  8. 【转】Ubuntu 16.04安装配置TensorFlow GPU版本

    之前摸爬滚打总是各种坑,今天参考这篇文章终于解决了,甚是鸡冻\(≧▽≦)/,电脑不知道怎么的,安装不了16.04,就安装15.10再升级到16.04 requirements: Ubuntu 16.0 ...

  9. 为什么现在更多需要用的是 GPU 而不是 CPU,比如挖矿甚至破解密码?

    作者:Cascade链接:https://www.zhihu.com/question/21231074/answer/20701124来源:知乎著作权归作者所有,转载请联系作者获得授权. 想要理解G ...

  10. 浅谈CPU和GPU的区别

    导读: CPU和GPU之所以大不相同,是由于其设计目标的不同,它们分别针对了两种不同的应用场景.CPU需要很强的通用性来处理各种不同的数据类型,而GPU面对的则是类型高度统一的.相互无依赖的大规模数据 ...

随机推荐

  1. curl http libcurl 功能使用

    /* * This example shows a HTTP PUT operation. PUTs a file given as a command * line argument to the ...

  2. Socket简单实现ssh笔记

    Scoket概念: socket本质上就是在2台网络互通的电脑之间,架设一个通道,两台电脑通过这个通道来实现数据的互相传递. 我们知道网络 通信 都 是基于 ip+port 方能定位到目标的具体机器上 ...

  3. 【LeetCode】650. 只有两个键的键盘

    只有两个键的键盘 最初在一个记事本上只有一个字符 'A'.你每次可以对这个记事本进行两种操作: 1.Copy All (复制全部) : 你可以复制这个记事本中的所有字符(部分的复制是不允许的). 2. ...

  4. MySQL 部署分布式架构 MyCAT (二)

    安装 MyCAT 安装 java 环境(db1) yum install -y java 下载 Mycat-server-1.6.5-release-20180122220033-linux.tar. ...

  5. asp.net core全局异常过滤并监控系统BUG将异常信息记录到日志

    添加: using Dw.Util.Helper; using Microsoft.AspNetCore.Mvc.Filters; using System; using System.Collect ...

  6. JAVA基础复习(重点)

    一. 初识Java编程 1.           Java开发环境 JDK Java开发工具 JVM Java虚拟机 JRE Java运行环境 2.实现第一个hello world public cl ...

  7. SpringBoot Junit Demo

    package com.yunen.camera.test; import org.junit.Before; import org.junit.Test; import org.junit.runn ...

  8. C# 深入分析 GC 处理机制

    引用地址:https://www.cnblogs.com/nele/p/5673215.html GC的前世与今生 虽然本文是以.NET作为目标来讲述GC,但是GC的概念并非才诞生不久.早在1958年 ...

  9. gn-build

    I'm not completely sure from the error you describe but it sounds like you don't have a .gn file in ...

  10. Vue中的父组件给子组件传值

    父子组件传值: 父组件在调用子组件的地方,添加一个自定义的属性,属性的值就是你要传递给子组件的数据,如果值是一个变量,那么需要使用到绑定属性: 在子组件定义的地方,添加一个props选项,值为一个数组 ...