个人中心
文章发布
退出
作者热门文章
- iOS/Objective-C 元类和类别
- objective-c - -1001 错误，当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
29
4
我有一台配备 2 Gb Nvidia GPU 的 Mac Book Pro。我正在尝试利用我所有的 GPU 内存进行计算(python 代码)。如果我绕过 GUI 界面并仅通过命令行访问我的机器，我可以节省多少。我想知道这样的事情是否会为我节省大量的 GPU 内存？
最佳答案
差异可能不会很大。
仅托管控制台显示的 GPU 通常只会在总内存大小中保留约 5-25 兆字节的内存。另一方面，托管 GUI 显示(使用 NVIDIA GPU 驱动程序)的 GPU 通常可能保留约 50 MB 或更多空间供显示使用(这可能会因所连接显示器的大小而有所不同)。
因此，您可以通过运行 nvidia-smi 并在运行 GUI 的情况下查看 GPU 的总内存和可用内存之间的差异，从而获得对节省的良好“估计”。例如，如果是 62MB，那么您可以通过关闭 GUI 来“恢复”大约 40-50MB，例如在 Linux 切换到运行级别 3 时。
我刚刚在配备 Quadro3000M 且恰好具有 2GB 内存的 Linux 笔记本电脑上运行了这个实验。在 X 显示器启动并加载 NVIDIA GPU 驱动程序的情况下，“已用”内存为 2047MB 中的 62MB(由 nvidia-smi 报告)。
当我切换到运行级别 3(X 未启动)时，内存使用量下降到大约 4MB。这可能意味着 CUDA 有大约 50MB 的额外可用空间。
关闭 GUI 的一个附带好处可能是消除 the display watchdog .
关于linux - 通过绕过 GUI 节省 GPU 内存，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/34829093/
29
4
0
谁能解释或指出在多 GPU/多显示器设置中渲染如何工作的解释(或至少一些线索)？ 例如，我安装了 5 个 NVIDIA Quadro 4000 视频卡并连接了 9 个显示器。显示不进行任何分组。刚刚在
以下代码报错: import spacy spacy.require_gpu() Traceback (most recent call last): File "/home/user/Pycha
正如问题已经暗示的那样，我是深度学习的新手。我知道模型的学习过程在没有 GPU 的情况下会很慢。如果我愿意等待，如果我只使用CPU可以吗？ 最佳答案 在计算深度学习(以及一般的神经网络)中执行的许多操
我知道 Renderscript 的设计是为了掩盖我正在运行的处理器的事实，但是有没有办法编写代码，以便在支持 GPU 计算的设备(目前是 Nexus 10)上运行显卡？有什么方法可以判断脚本的功能正
关闭。这个问题是opinion-based 。目前不接受答案。 想要改进这个问题吗？更新问题，以便 editing this post 可以用事实和引文来回答它。 . 已关闭 8 年前。 Improv
我想以编程方式找出可用的 GPU 及其当前内存使用情况，并根据内存可用性使用其中一个 GPU。我想在 PyTorch 中执行此操作。 我在这个 post 中看到了以下解决方案: import torc
我喜欢 GPU Gems 的结构化技术摘要。但是自上次发布以来已经过去了很长时间，应该开发新算法来处理新型硬件。 我可以阅读有关最近 GPU 技术成就的哪些信息？ 潜伏在编程板上是唯一的方法吗？ 最佳
我一直在做一些关于测量数据传输延迟的实验 CPU->GPU 和 GPU->CPU。我发现对于特定消息大小，CPU->GPU 数据传输速率几乎是 GPU->CPU 传输速率的两倍。谁能解释我为什么会这样
当我使用选项 --gres=gpu:1 向具有两个 GPU 的节点提交 SLURM 作业时，如何获取为该作业分配的 GPU ID？是否有用于此目的的环境变量？我使用的 GPU 都是 nvidia GP
我用 gpu、cuda 7.0 和 cudnn 6.5 安装了 tensorflow。当我导入 tensorflow 时，它运行良好。 我正在尝试在 Tensorflow 上运行一个简单的矩阵乘法，但
我们正在寻找有关 slurm salloc gpu 分配的一些建议。目前，给定: % salloc -n 4 -c 2 -gres=gpu:1 % srun env | grep CUDA CUD
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库？ 我有一个 GPU，想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库？ 我有一个 GPU，想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
我正在使用 pytorch 框架训练网络。我的电脑里有 K40 GPU。上周，我在同一台计算机上添加了 1080。 在我的第一个实验中，我在两个 GPU 上观察到相同的结果。然后，我在两个 GPU 上
有没有办法在 Slurm 上超额订阅 GPU，即运行共享一个 GPU 的多个作业/作业步骤？我们只找到了超额订阅 CPU 和内存的方法，但没有找到 GPU。 我们希望在同一 GPU 上并行运行多个作业
我可以访问 4 个 GPU(不是 root 用户)。其中一个 GPU(2 号)表现怪异，它们的一些内存被阻塞但功耗和温度非常低(好像没有任何东西在上面运行)。请参阅下图中 nvidia-smi 的详细
我正在尝试通过 Tensorflow 运行示例 seq2seq，但它不会使用 GPU。以下是我在带有 Tesla K20x 的 Linux 系统上安装 Tensorflow 所采取的步骤 git cl
一位电气工程师最近提醒我不要使用 GPU 进行科学计算(例如，在精度非常重要的地方)，因为没有像 CPU 那样的硬件保护措施。这是真的吗？如果是的话，典型硬件中的问题有多普遍/严重？ 最佳答案 实际上
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
最近我研究了强化学习，有一个问题困扰着我，我找不到答案:如何使用 GPU 有效地完成训练？据我所知，需要与环境持续交互，这对我来说似乎是一个巨大的瓶颈，因为这项任务通常是非数学的/不可并行化的。然而，
我是一名优秀的程序员,十分优秀！