CentOS查看显卡及GPU相关信息,指定GPU、CPU运行

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_38784098/article/details/86536078

一、查看信息

在一套标准的系统上通常有多个计算设备. TensorFlow 支持 CPU 和 GPU 这两种设备. 我们用指定字符串 strings 来标识这些设备. 比如:

• "/cpu:0": 机器中的 CPU
• "/gpu:0": 机器中的 GPU, 如果你有一个的话.
• "/gpu:1": 机器中的第二个 GPU, 以此类推...

如果一个 TensorFlow 的 operation 中兼有 CPU 和 GPU 的实现, 当这个算子被指派设备时, GPU 有优先权. 比如matmul中 CPU 和 GPU kernel 函数都存在. 那么在 cpu:0 和 gpu:0 中, matmul operation 会被指派给 gpu:0 .

查看显卡型号

lspci | grep -i vga

1.nvidia

nvidia-smi

2.intel

1）安装intel-gpu-tools工具

yum install intel-gpu-tools

2）安装完毕后， 系统中会多种三个gpu工具： intel_gpu_abrt   intel_gpu_time   intel_gpu_top

其中，常用的是intel_gpu_top和intel_gpu_time。

二、指定GPU、CPU运行

1.TensorFlow只在CPU上运行的方法

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"  
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

注：上述代码一定要放在import tensorflow或keras等之前，否则不起作用。

2.在多GPU系统里使用单一GPU

为了获取你的 operations 和 Tensor 被指派到哪个设备上运行, 用 log_device_placement 新建一个 session, 并设置为 True.

# 新建一个 graph.
with tf.device('/gpu:0'):
  a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
  b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
  c = tf.matmul(a, b)
# 新建 session with log_device_placement 并设置为 True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# 运行这个 op.
print sess.run(c)

3.kreas

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0' if on_server is False else '0,1'