共享 GPU 上的 Tensorflow : how to automatically select the one that is unused

Question

我可以通过 ssh 访问由 n 个 GPU 组成的集群。 Tensorflow 自动给它们命名为 gpu:0,...,gpu:(n-1)。

其他人也可以访问，有时他们会随机使用 GPU。我没有明确放置任何 tf.device() ，因为这很麻烦，即使我选择了 GPU 编号 j 并且有人已经在 GPU 编号 j 上，这也会有问题。

我想检查 GPU 的使用情况，找到第一个未使用的并仅使用这个。我猜有人可以用 bash 解析 nvidia-smi 的输出并获取变量 i 并将该变量 i 作为要使用的 GPU 的编号提供给 tensorflow 脚本。

我从来没有见过这样的例子。我想这是一个很常见的问题。最简单的方法是什么？是否有纯 tensorflow 可用？

Answer 1

我不知道纯 TensorFlow 解决方案。问题是 TensorFlow 配置的现有位置是 session 配置。然而，对于 GPU 内存，GPU 内存池是为进程内的所有 TensorFlow session 共享的，因此 session 配置将是添加它的错误位置，并且没有进程全局配置的机制(但应该有，也可以能够配置进程全局 Eigen 线程池)。因此，您需要使用 CUDA_VISIBLE_DEVICES 环境变量在进程级别上进行操作。

类似这样的事情:

import subprocess, re

# Nvidia-smi GPU memory parsing.
# Tested on nvidia-smi 370.23

def run_command(cmd):
    """Run command, return output as string."""
    output = subprocess.Popen(cmd, stdout=subprocess.PIPE, shell=True).communicate()[0]
    return output.decode("ascii")

def list_available_gpus():
    """Returns list of available GPU ids."""
    output = run_command("nvidia-smi -L")
    # lines of the form GPU 0: TITAN X
    gpu_regex = re.compile(r"GPU (?P<gpu_id>\d+):")
    result = []
    for line in output.strip().split("\n"):
        m = gpu_regex.match(line)
        assert m, "Couldnt parse "+line
        result.append(int(m.group("gpu_id")))
    return result

def gpu_memory_map():
    """Returns map of GPU id to memory allocated on that GPU."""

    output = run_command("nvidia-smi")
    gpu_output = output[output.find("GPU Memory"):]
    # lines of the form
    # |    0      8734    C   python                                       11705MiB |
    memory_regex = re.compile(r"[|]\s+?(?P<gpu_id>\d+)\D+?(?P<pid>\d+).+[ ](?P<gpu_memory>\d+)MiB")
    rows = gpu_output.split("\n")
    result = {gpu_id: 0 for gpu_id in list_available_gpus()}
    for row in gpu_output.split("\n"):
        m = memory_regex.search(row)
        if not m:
            continue
        gpu_id = int(m.group("gpu_id"))
        gpu_memory = int(m.group("gpu_memory"))
        result[gpu_id] += gpu_memory
    return result

def pick_gpu_lowest_memory():
    """Returns GPU with the least allocated memory"""

    memory_gpu_map = [(memory, gpu_id) for (gpu_id, memory) in gpu_memory_map().items()]
    best_memory, best_gpu = sorted(memory_gpu_map)[0]
    return best_gpu

然后，您可以将其放入 utils.py 中，并在首次 tensorflow 导入之前在 TensorFlow 脚本中设置 GPU。浏览器

import utils
import os
os.environ["CUDA_VISIBLE_DEVICES"] = str(utils.pick_gpu_lowest_memory())
import tensorflow