原文链接:https://mp.weixin.qq.com/s/SlOJZmF08v3-6o6rXWIHaQ
Code: https://github.com/XuehaiPan/nvitop
引言
相信大家在用NVIDIA-GPU训练网络模型的时候,都会习惯性的在终端nvidia-smi一下吧?最直接的目的是为了查看哪些卡正在使用,哪些卡处在空闲,然后挑选空闲的卡号进行网络训练。
「了解哪块卡处在空闲只是普通算法工程师的普通需求」
咱们作为一名资深的算法工程师,毕竟身兼多职:上要开发AI算法,下要管理服务器,左要带新人,右要PPT汇报上级。
对于管理服务器:刚买的新服务器你得装系统吧?得装Driver,Cuda,Cudnn吧?时不时还得盯一下服务器各个卡的运行状况,毕竟刚入职的小年青有时候一顿操作,一个人占用全服务器95%以上的内存把服务器直接卡死也不是没有可能。
nvitop是一个非常全面的NVIDIA-GPU设备运行状况的实时监控工具,它将GPU利用率,显存占比,卡号使用者,CPU利用率,进程使用时间,命令行等等集于一身,并以差异化的颜色进行个性化展示,安装过程也非常简单,强烈大家推荐使用,让自己在管理服务器的时候事半功倍!
以下图1展示了nvitop和nvidia-smi命令的界面对比结果:
图1. nvitop(左) VS nvidia-smi(右)
nvitop效果展示
「NviTop」 An interactive NVIDIA-GPU process viewer and beyond, the one-stop solution for GPU process management.
nvitop是一款交互式NVIDIA-GPU设备性能&资源&进程的实时监测工具。
相比于nvidia-smi命令,nvitop在实时监控GPU设备资源&性能上具备全方位优势:
以更美观的颜色,和更直观的进度条实时展示某块GPU卡所处进程的GPU&CPU内存以及利用率占比
作为资源监控器,它包括如下功能:树状视图、环境变量查看、进程过滤、进程指标检测等
可追踪某个单项进程在GPU&CPU上内存和利用率占比的历史纪录,并利用Bar直观展示
可直观展示某块GPU的使用者、使用时间、使用命令行、GPU和CPU占用率记录
可使用工具提供的API搭建自定义监控工具
完整API说明文档请移步:https://nvitop.readthedocs.io
以下展示了nvitop命令工具的部分效果图:
图2. nvitop有多种监控模式可供选择
图3. 监控过程信息过滤和丰富的色彩界面
图4. 支持MIG
图5. 类似频谱的条形图(with option --colorful)
图6. 监控特定进程的关键性性能指标 (shortcut: Enter / Return).
图7. nvitop同时也支持windows系统!
nvitop特性
监控信息丰富且展示直观
显示比nvidia-smi更全面的资源监控信息,和更直观的表现形式
监控模式
可以作为资源监控器一直运行,而不是只能单独查看一次结果
支持条形图和历史图
监控信息排序 & 监控信息过滤
可通过键盘向进程发送信号
GPU进程及其父进程的树视图屏幕享受
提供环境变量屏幕,帮助信息屏幕,并支持鼠标点击的交互式操作
交互式
可在监控模式下响应用户输入(来自键盘或鼠标),比gpustat和py3nvml更具优势
高效性
该工具直接使用NVML Python bindings进行绑定并查询设备运行状态,而不是解析nvidia-smi(与nvidia-htop相比)
TTLCache使用from cachetools支持稀疏查询和缓存结果(与py3nvml相比)
curses使用库而不是printANSI转义码显示信息(与py3nvml相比)
使用多线程异步收集信息并更快的响应用户输入(与nvtop相比)
便携性
适用于Linux和Windows
使用跨平台库psutil获取主机进程信息,而不是调用ps -p <pid>子进程(与nvidia-htop和py3nvml相比)
用纯Python编写,支持pip安装(与nvtop相比)
可集成
易于集成到其它应用程序中,而不仅仅是监控功能(与nvidia-htop和nvtop相比)
安装指南
「官方安装教程」 https://github.com/XuehaiPan/nvitop/blob/main/README.md
因为nvitop采用纯Python编写,所以推荐采用pip命令进行安装,官方安装说明文档中提供了五种安装方式:
使用pipx进行安装
pipx run nvitop
使用pip3进行安装
pip3 install --upgrade nvitop
使用conda进行安装
conda install -c conda-forge nvitop
从Github拉取最新版本进行安装
pip3 install git+https://github.com/XuehaiPan/nvitop.git#egg=nvitop
clone项目并手动安装
git clone --depth=1 https://github.com/XuehaiPan/nvitop.gitcd nvitoppip3 install .
「注意」 如果在安装后遇到nvitop: command not found错误,请检查你是否将Python控制台脚本路径(例如,${HOME}/.local/bin)添加到您的PATH环境变量中。或者,你可以直接使用python3 -m nvitop命令
使用方法
命令行使用方法
# Monitor mode (when the display mode is omitted, `NVITOP_MONITOR_MODE` will be used)
$ nvitop # or use `python3 -m nvitop`
# Automatically configure the display mode according to the terminal size
$ nvitop -m auto # shortcut: `a` key
# Arbitrarily display as `full` mode
$ nvitop -m full # shortcut: `f` key
# Arbitrarily display as `compact` mode
$ nvitop -m compact # shortcut: `c` key
# Specify query devices (by integer indices)
$ nvitop -o 0 1 # only show <GPU 0> and <GPU 1>
# Only show devices in `CUDA_VISIBLE_DEVICES` (by integer indices or UUID strings)
$ nvitop -ov
# Only show GPU processes with the compute context (type: 'C' or 'C+G')
$ nvitop -c
# Use ASCII characters only
$ nvitop -U # useful for terminals without Unicode support
# For light terminals
$ nvitop --light
# For spectrum-like bar charts (requires the terminal supports 256-color)
$ nvitop --colorful
将监控信息写入到TensorBoard中
import os
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.tensorboard import SummaryWriter
from nvitop import CudaDevice, ResourceMetricCollector
from nvitop.callbacks.tensorboard import add_scalar_dict
# Build networks and prepare datasets
...
# Logger and status collector
writer = SummaryWriter()
collector = ResourceMetricCollector(devices=CudaDevice.all(), # log all visible CUDA devices and use the CUDA ordinal
root_pids={os.getpid()}, # only log the descendant processes of the current process
interval=1.0) # snapshot interval for background daemon thread
# Start training
global_step = 0
for epoch in range(num_epoch):
with collector(tag='train'):
for batch in train_dataset:
with collector(tag='batch'):
metrics = train(net, batch)
global_step += 1
add_scalar_dict(writer, 'train', metrics, global_step=global_step)
add_scalar_dict(writer, 'resources', # tag='resources/train/batch/...'
collector.collect(),
global_step=global_step)
add_scalar_dict(writer, 'resources', # tag='resources/train/...'
collector.collect(),
global_step=epoch)
with collector(tag='validate'):
metrics = validate(net, validation_dataset)
add_scalar_dict(writer, 'validate', metrics, global_step=epoch)
add_scalar_dict(writer, 'resources', # tag='resources/validate/...'
collector.collect(),
global_step=epoch)
API使用手册
「详见」 https://nvitop.readthedocs.io/文章来源:https://www.toymoban.com/news/detail-718144.html
写在最后
本文介绍了一款NVIDIA-GPU设备的性能实时监控工具,相比于其它监控工具而言(eg, nvidia-smi,nvidia-htop,py3nvml,nvtop等等),具有全方位碾压的优势,推荐大家使用!文章来源地址https://www.toymoban.com/news/detail-718144.html
到了这里,关于nvitop: 史上最强GPU性能实时监测工具的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!