最近有需要使用nvml调用底层显卡信息的需求，所以查了下python有相关的模块pynvml可以使用，下面就直接看看一些基本使用的方法
首先我们安装这个模块
pip install nvidia-ml-py3
然后使用时我们需要初始化该方法
import pynvml pynvml.nvmlInit()
使用外以后也需要进行关闭，类似于析构方法
pynvml.nvmlShutdown()
然后下面是收集的一些常用方法模块
#!/usr/bin/python3
#pip install nvidia-ml-py3
import pynvml
pynvml.nvmlInit() # 初始化
#获取GPU卡驱动
print(pynvml.nvmlSystemGetDriverVersion())
#获取显卡个数
print(pynvml.nvmlDeviceGetCount())
#获取显卡句柄，gpu_id为0，1，2
handle = pynvml.nvmlDeviceGetHandleByIndex(0)
#获取显卡名字型号
print(pynvml.nvmlDeviceGetName(handle))
#获取显卡内存信息
meminfo = pynvml.nvmlDeviceGetMemoryInfo(handle)
print(meminfo)
#c_nvmlMemory_t(total: 12582912000 B, free: 12582912000 B, used: 0 B)
#获取显卡温度、风扇、电源
print("核心温度： {} C".format(pynvml.nvmlDeviceGetTemperature(handle,0)))
print("风扇转速： {}".format(pynvml.nvmlDeviceGetFanSpeed(handle)))
print("电源状态： {}".format(pynvml.nvmlDeviceGetPowerState(handle)))
#获取GPU UUID
print(pynvml.nvmlDeviceGetUUID(handle))
# 最后要关闭管理工具
pynvml.nvmlShutdown()打印如下
内容版权声明：除非注明，否则皆为本站原创文章。
转载注明出处：https://sulao.cn/post/900
相关阅读
- ubuntu24.04卸载apt安装的驱动nccl和cuda库
- AI程序索引越界引起的nvidia-fabricnamage异常问题排查
- linux内核无法加载nvidia-peermem模块的问题分析
- 英伟达GPU内核和驱动优化参数介绍
- 英伟达GPU nvidia-smi常用命令详解
- GPU卡住且dmesg日志中打印NVRM: _threadNodecheckTimeout错误排查
- linux下gpu降速问题排查
- ubuntu22.04安装dcgm和基本用法
- RTX 5090在cuda13.0下gpu-burn编译报错的解决方法
- k8s集群部署gpu-operator支持gpu节点自动发现和gpu上报
评论列表