文章目录
- 问题
- 现象解释
- 解决方案
- 磨刀不误砍柴工--nvidia-smi参数解读
问题
如下图所示，GPU功率很低，Util占用率高。这个训练时不正常的！
现象解释
Pwr是指GPU运行时耗电情况，如图中GPU满载是300W，目前是86W与GPU2的空载情况功率相等。说明GPU没有在真正运行。
GPU-Util高说明它的核心被占用了，占用率为100%。
打个比方，把GPU看做是人。三个人，一个在举重，一个人在跑步，一个人在走路。他们都在运动，都是忙碌的，也就是GPU-Util占用高。但是很显然举重的，对外做功高，跑步的做功低，走路的最差，也就是GPU的耗电情况。详细此述
结论：像是这种情况，说明GPU被占用了，但是没有实际工作，也就是人员到位了，在等活干，很有可能是进程等待问题，或者进程锁死了。
解决方案
- 定位问题，方法很多，比如：打印输出，看程序卡死在哪步，即可定位。
- 网上找解决方案。
- 如果是在运行多卡训练，容易卡死的地方有：
磨刀不误砍柴工–nvidia-smi参数解读
如下所示，其表格中，有这么多参数，且参数名与值的其位置是一一对应的。我用不同颜色进行标识，同一种颜色的方框和箭头，标识出参数名和其值的位置关系。
| 参数名 | 含义 | 例子 |
|---|---|---|
| GPU | 显卡的本地设备号，对应值为0，1，2，3…几块显卡就有几个数 | |
| Name | 显卡型号名 | |
| Persistence-M | Persistence-M是一种显卡运行模式，值为on或off，代表是否开或关 | |
| Fan | 与散热风扇转数有关，用百分数显示，越高说明转数越高 | |
| temp | GPU核心温度，过热就有危险了，显卡要烧坏了，单位是摄氏度，如45C就是45度 | |
| Perf | ||
| Pwr：Usage/Cap | GPU目前耗电多少瓦，Cap是额定功率，Usage表示当前功率，86W/300W表示满载300W，目前86W | |
| Bus-ID | 显卡总线的ID，总线是用来传输数据和指令的，是显卡与CPU，内存等硬件传输数据的线路 | |
| Disp.A | 不知道 | |
| Memory-Usage | 显存占用情况，大家都知道，不说了 | |
| GPU-Util | GPU中计算核心目前的占用率 |
