linux（ubuntu）下英伟达Nvidia 显卡监控工具nvtop使用方法

最新推荐文章于 2025-04-28 15:41:10 发布
最新推荐文章于 2025-04-28 15:41:10 发布
阅读量4.5k 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： Linux C/C++ 文章标签： linux ubuntu
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/inthat/article/details/108883572
当nvidia-smi无法满足查看GPU历史数据需求时，可以使用nvtop工具。nvtop提供实时GPU使用情况的详细视图，包括内存和GPU利用率的变化曲线。通过apt install nvtop安装后，无需手动安装官方驱动，除非之前已手动安装过。安装完毕需重启，然后运行nvtop即可开始监控。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

一、问题背景

我们常用nvidia-smi指令来查看显卡的使用情况，这种方法可以看出每张显卡内存和GPU利用率的实时情况，但看不出历史数据和变化曲线，这个时候就需要用到nvtop了。

二、nvtop命令

Nvtop代表NVidia TOP，这是用于NVIDIA GPU的任务监视器。它可以处理多个GPU，并以熟悉的方式打印有关它们的信息。如图所示，很直观的显示了每张显卡的内存、GPU利用率曲线。

安装方法
apt install nvtop

安装完之后，可以执行nvtop -h来查看使用方法

启动nvtop：在terminal直接输入nvtop即可

经过测试，你如果是如下手动安装的显卡驱动，需要 apt install nvtop安装完后，重启。重启之后再安装
sh ./NVIDIA-Linux-x86_64-440.82.run --no-opengl-files。

总结：

  1. apt install nvtop
  2. 重启
  3. 手动再安装官方驱动sh ./NVIDIA-Linux-x86_64-440.82.run --no-opengl-files。（参考URL: https://docker.blog.youkuaiyun.com/article/details/106624245）
Nvidia 系列 之 在 Ubuntu 22.04 中为 LLM 设置 Nvidia GPU
iCloudEnd的博客
08-01 452
在开始安装之前，我们先来了解一下要安装的内容：Nvidia 驱动程序 — 这是 Nvidia 的硬件驱动程序。安装前请先了解您的显卡型号。CUDA 工具包 — CUDA 工具包由 Nvidia 提供。它包含 GPU 加速环境中的库、编译器、开发工具和示例、CUDA 运行时等。cuDNN — Nvidia cuDNN 以 CUDA 深度神经网络为基础。它是一个针对 DNN 计算的高度优化的 GPU 加速库。
如何监控和改进用于深度学习的 GPU 使用率？
weixin_50197960的博客
10-13 2745
如果您刚刚为您的下一个很棒的深度学习项目购买了一些漂亮的闪亮 GPU，并且已经开始工作。您可以听到风扇呼呼的声音（或者您可以想象它们在云中某处呼呼），但您如何确保充分利用这些 GPU？下面我们将介绍一些可用于监控 GPU 的工具。检查它们的利用率、温度和内存使用情况。我们将介绍如何安装它们，它们最擅长什么，以及如何使用它们的一些技巧。通过确保充分利用 GPU，您至少可以确保它们尽可能快地运行现有模型（更改模型以使其尽可能高效是另一个话题）。
深入了解Linux系统中的nvtop命令：专业级NVIDIA GPU监控工具
m0_56896669的博客
11-29 1330
随着GPU在高性能计算、深度学习和图形处理等领域的广泛应用，对GPU资源的有效管理和监控变得越来越重要。nvtop是一个开源的、类似于top和htop的命令行工具，专门用于实时监控 NVIDIA GPU 的状态。本文将详细介绍nvtop的功能特性、安装步骤以及如何有效地利用它来优化和管理GPU资源。nvtop是一个基于nvidia-smi命令开发的高级GPU监控工具。它提供了更直观的用户界面，并且支持多GPU环境下的实时监控。nvtop。
Ubuntu 安装 nvtop
烟雨星洲
10-23 1185
在利用 GPU 进行训练时，过热问题可能导致服务器宕机。为了预防这一情况，我们可以在训练过程中使用nvtop工具来监控 GPU 的各项指标，如时钟频率、显存频率和温度等。在这里记录本人在 Ubuntu 系统上安装nvtop的过程。
Linux常用监控软件netdata和nmon
最新发布
Sinercely的博客
04-28 450
nomon是一款常用于Linux做数据采集的软件，通过设置采集任务采集Linux的CPU、内存、磁盘IO等数据，使用nmon_analyser分析工具来做数据回溯分析。netdata是一款常用于Linux系统做实时监控的软件，可基于CPU、内存、磁盘IO、进程等做实时监控，并提供web页面实时监控数据。取下生成的centos-01_250428_1520.nmon文件，使用nmon_analyser分析工具打开进行数据分析。访问web测试：http://ip:19999。输出结果：*.xlsx。
nvtop 安装
01-20
ubuntu安装nvtop1，安装nvtop2，测试显卡是否正常在这里插入图片描述 1，安装nvtop 安装依赖 apt install cmake libncurses5-dev libncursesw5-dev git -y # git clone https://github.com/Syllo/nvtop.git # mkdir -p nvtop/build && cd nvtop/build # cmake .. -- The C compiler identification is GNU 7.4.0 -- Check for working C compiler: /usr/b
ubuntu 监视显卡使用情况
wuguangbin1230的博客
06-06 2万+
在使用GPU做计算，比如跑 Deep Learning代码的时候，我们可能希望能够实时检测显存的使用情况，但是Linux一般不会自带监视现存的工具。Nvidia自带了一个 nvidia-smi的命令行工具，会显示显存使用情况，但我们总不能每 10s 中就输入一次这个命令。 这时候就需要用到 watch命令了。 watch 命令简介 watch是做什么的？看一下系统怎么说 $ whatis
Ubuntu下监视 NVIDIA 显卡状态
amnesiagreen的博客
05-26 698
在终端输入： watch nvidia-smi 如果想设置刷新时间可用以下命令（下面设置每10秒刷新一次） watch -n 10 nvidia-smi
三大 Linux GPU 监控命令行工具
weixin_41446370的博客
02-02 2538
如果您是一位技术爱好者，或者是一位希望密切关注 GPU 性能的 Linux 用户，那您就来对地方了。在这篇文章中，我们将探索 GPU 监控软件的世界，尤其是 Ubuntu/Debian Linux。无论您是游戏玩家、数据科学家，还是从事 GPU 密集型任务的开发人员，拥有一个可靠的 GPU 监控软件对于优化性能和确保系统在压力下保持冷静都至关重要。我们将深入探讨 GPUStat、NVTOP 和 NVITOP 等流行工具，讨论它们的功能和安装方法，让你拥有全面的 CPU 和 GPU 监控能力。
ubuntu系统计算机CPU_显卡-性能测试软件
Perfect886的博客
06-08 2641
下面记录下自己经常使用的linux下计算机CPU性能、显卡性能测试软件。 说明： time echo "scale=5000; 4*a(1)" | bc -l -q（注意空格） 解释：time命令：测量命令的执行时间或者系统资源的使用情况 bc 命令是任意精度计算器语言，通常在linux下当计算器用。 4a(1)调用了反正切函数，由三角函数知道1的反正切是π/4, π=4π/4，scale：精度，可理解为精度越高，对CPU压力越大 ...
nvtop安装步骤——Ubuntu下实时查看NVIDIA显卡状态
weixin_42265958的博客
12-17 7487
Ubuntu19.04下安装nvtop十分简单，之前的版本稍微复杂点 1.Ubuntu19.04下nvtop的安装 sudo apt install nvtop 2.Ubuntu18.04及之前版本nvtop的安装 安装之前确保你已经安装了NVIDIA驱动 安装CMake, ncurses and git sudo apt install cmake libncurses5-dev ...
cpp-NVTOP一个类似于htop的NVIDIAGPUs监控工具
08-16
一个类似于 htop 的 NVIDIA GPUs 监控工具，它可以处理多个GPU并以熟悉的方式打印有关它们的信息。
Linux性能测试小工具
08-17
很实用的测试工具
ubuntu使用watch命令实时监测显卡
热门推荐
zchang81的博客
06-04 2万+
Nvidia自带了一个 nvidia-smi的命令行工具，会显示显存使用情况，结合watch命令就可以实时监测显卡使用情况。
英伟达显卡监控工具nvtop使用方法
ZONGXP的博客
12-30 1万+
0 背景 在用英伟达显卡做深度学习训练或推理时，我们常用nvidia-smi指令来查看显卡的使用情况，如图所示 这种方法可以看出每张显卡内存和GPU利用率的实时情况，但看不出历史数据和变化曲线，这个时候就需要用到nvtop了。 Nvtop代表NVidia TOP，这是用于NVIDIA GPU的任务监视器。它可以处理多个GPU，并以熟悉的方式打印有关它们的信息。如图所示，很直观的显示了每张...
Ubuntu下将nvidia-smi封装为GUI界面，实时查看显卡信息
sagima_sdu的博客
01-19 829
subprocess.getoutput('nvidia-smi')获取命令输出，text_box.delete(1.0, "end")清除文本框中的旧内容，text_box.insert("end", smi_output)插入新的命令输出。和win系统不同的是，在Ubuntu端，系统级的系统监视器中，只能查看内存、CPU和网络状态，并不能查看GPU状态。5. 开始监控和事件循环：调用update_smi()开始监控，并进入Tkinter的主事件循环，等待用户交互。
linux下的GPU测试软件,Ubuntu等Linux系统显卡性能测试软件 Unigine 3D
weixin_29660181的博客
05-03 2248
Ubuntu等Linux系统显卡性能测试软件 Unigine 3DUbuntu Intel显卡驱动安装，请参考：ATI和NVIDIA显卡请在软件和更新中的附加驱动中安装。 这里推荐： 运行后，F9就可评分，已测试显卡有K2000 2GB 900+分，GT330m 1GB 340+ 分，GT620 1GB 340+ 分，四代i5核显340+ 分，还有写博客的小盒子100+ 分。relaybot@re...
Ubuntu 22.04 LTS RTX 2060 6G 显卡 GPU测试 甜甜圈 geeks3d GpuTest
hknaruto的专栏
07-11 7913
GpuTest主页地址下载页下载链接。
Ubuntu监视显卡、CPU占用情况
gsgbgxp的博客
11-25 2378
在 Linux 终端中定期执行nvidia-smi命令并显示其输出
我的项目中使用了GPU，怎么用docker同时运行多个项目？
02-18
<think>好的，我现在需要帮用户解决如何在Docker中同时运行多个使用GPU的项目的问题。首先，我得回顾一下用户之前的对话。用户之前询问了在Ubuntu 22.04上如何分配资源运行Docker项目，现在他们提到项目中使用了GPU，想同时运行多个项目。所以，我需要结合之前的建议，扩展到GPU的使用场景。 首先，用户可能已经知道如何限制CPU和内存资源，但GPU的资源分配可能不太一样。我需要考虑Docker中GPU资源管理的机制。记得NVIDIA提供了Container Toolkit来支持GPU在容器中的使用，所以可能需要安装这个工具包。 接下来，用户想同时运行多个项目，每个项目可能需要不同的GPU资源。这里需要明确如何分配GPU给不同的容器。例如，是否可以指定使用特定的GPU设备，或者分配GPU的特定核心或内存。可能需要使用NVIDIA相关的Docker参数，比如--gpus选项。 然后，资源隔离是关键。多个容器共享GPU时，如何避免资源冲突？可能需要使用GPU MIG（Multi-Instance GPU）技术，如果用户的GPU支持的话。不过这可能对硬件有要求，需要用户确认。另外，NVIDIA的CUDA MPS（Multi-Process Service）可能也是一个选项，但可能会增加复杂性。 接下来，考虑使用Docker Compose来管理多个服务。每个服务可以配置不同的GPU资源限制，比如指定不同的GPU设备或核心。需要检查Docker Compose的版本是否支持GPU资源声明，可能需要特定的语法。 用户可能还关心性能监控，如何查看各个容器使用的GPU资源。需要推荐nvidia-smi命令，或者使用nvtop这样的工具。此外，在Docker容器内部可能需要安装NVIDIA的工具包来监控，或者通过宿主机查看所有容器的使用情况。 另外，存储和网络的配置也可能影响多个项目的运行。例如，如果每个项目需要不同的数据集，可能需要挂载不同的卷。端口映射也需要避免冲突，每个容器应该使用不同的宿主机端口。 需要注意的是，GPU资源分配不像CPU和内存那样灵活，尤其是在多个容器共享同一块GPU时。如果用户的项目需要大量GPU资源，可能需要多块GPU，或者考虑使用容器编排工具如Kubernetes来管理，但这可能超出当前问题的范围。 然后，我应该分步骤来组织回答，可能包括安装NVIDIA工具包，运行多个容器并分配GPU资源，使用Docker Compose配置，资源隔离方法，以及监控和注意事项。 需要验证一些技术细节，比如使用--gpus device=0或1来指定不同GPU，或者使用CUDA_VISIBLE_DEVICES环境变量。同时，注意不同版本的Docker和NVIDIA工具包可能有不同的语法，需要确认兼容性。 最后，提醒用户注意资源争用的问题，如果多个容器在同一GPU上运行，可能导致性能下降，需要合理分配任务或增加硬件资源。可能还需要测试不同配置下的性能，以找到最优方案。</think>在 Docker 中同时运行多个使用 GPU 的项目，需合理分配 GPU 资源以避免冲突。以下是详细方法和示例： --- ### **1. 基础准备：安装 NVIDIA Container Toolkit** 确保宿主机已安装 NVIDIA 驱动和 Docker 后，配置 GPU 支持： ```bash # 添加 NVIDIA 仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 安装工具包 sudo apt update sudo apt install -y nvidia-container-toolkit sudo systemctl restart docker ``` --- ### **2. 运行多个 GPU 容器的策略** #### **(1) 共享全部 GPU（默认）** 所有容器共享全部 GPU 资源（适用于轻量任务）： ```bash docker run -d --gpus all --name project1 your_image:latest docker run -d --gpus all --name project2 your_image:latest ``` #### **(2) 指定特定 GPU 设备** 若宿主机有多个 GPU（如 2 块），可分配不同 GPU 给不同容器： ```bash # 分配 GPU 0 给容器1 docker run -d --gpus '"device=1"' --name project2 your_image:latest ``` #### **(3) 精细分配 GPU 资源** - **按显存限制**：通过环境变量 `NVIDIA_VISIBLE_DEVICES` 控制显存分配（需镜像支持）： ```bash # 容器1 使用 GPU 0 的 50% 显存 docker run -d --gpus 0 --env NVIDIA_VISIBLE_DEVICES=0 --env GPU_MEMORY_LIMIT=50% your_image:latest # 容器2 使用 GPU 1 的 70% 显存 docker run -d --gpus 1 --env NVIDIA_VISIBLE_DEVICES=1 --env GPU_MEMORY_LIMIT=70% your_image:latest ``` --- ### **3. 使用 Docker Compose 管理多容器** 创建 `docker-compose.yml`，为不同服务分配 GPU： ```yaml version: '3.8' services: project1: image: your_image:latest deploy: resources: reservations: devices: - driver: nvidia count: 1 capabilities: [gpu] environment: - NVIDIA_VISIBLE_DEVICES=0 # 指定 GPU 0 command: [...] # 项目启动命令 project2: image: your_image:latest deploy: resources: reservations: devices: - driver: nvidia count: 1 capabilities: [gpu] environment: - NVIDIA_VISI
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

西京刀客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值