训练模型过程中优雅的指定GPU

目前训练模型大部分在单机多卡的环境下，我们通常会指定一个GPU来训练模型。在不指定GPU情况下，默认使用GPU0来训练，但是很不巧GPU0被别人占了一半显存，导致OOM错误。每次跑模型都要去看下哪张卡显存最大，然后再来修改代码，指定GPU，是不是超级烦人呢!😶‍🌫️，今天就介绍一个每次都由程序自动选择剩余最大的显存的GPU来训练。

1. Quick Start

• step1: 安装依赖包
  安装管理NVIDIA显卡的python依赖包pynvml

  pip install nvidia-ml-py
  

• 使用pynvml监控GPU

  import psutil
  import pynvml #导包
  
  
  UNIT = 1024 * 1024
  
  
  pynvml.nvmlInit() #初始化
  gpuDeriveInfo = pynvml.nvmlSystemGetDriverVersion()
  print("Drive版本: ", str(gpuDeriveInfo, encoding='utf-8')) #显示驱动信息
  
  
  gpuDeviceCount = pynvml.nvmlDeviceGetCount()#获取Nvidia GPU块数
  print("GPU个数：", gpuDeviceCount )
  
  
  for i in range(gpuDeviceCount):
      handle = pynvml.nvmlDeviceGetHandleByIndex(i)#获取GPU i的handle，后续通过handle来处理
  
      memoryInfo = pynvml.nvmlDeviceGetMemoryInfo(handle)#通过handle获取GPU i的信息
  
      gpuName = str(pynvml.nvmlDeviceGetName(handle), encoding='utf-8')
  
      gpuTemperature = pynvml.nvmlDeviceGetTemperature(handle, 0)
  
      gpuFanSpeed = pynvml.nvmlDeviceGetFanSpeed(handle)
  
      gpuPowerState = pynvml.nvmlDeviceGetPowerState(handle)
  
      gpuUtilRate = pynvml.nvmlDeviceGetUtilizationRates(handle).gpu
      gpuMemoryRate = pynvml.nvmlDeviceGetUtilizationRates(handle).memory
  
      print("第 %d 张卡："%i, "-"*30)
      print("显卡名：", gpuName)
      print("内存总容量：", memoryInfo.total/UNIT, "MB")
      print("使用容量：", memoryInfo.used/UNIT, "MB")
      print("剩余容量：", memoryInfo.free/UNIT, "MB")
      print("显存空闲率：", memoryInfo.free/memoryInfo.total)
      print("温度：", gpuTemperature, "摄氏度")
      print("风扇速率：", gpuFanSpeed)
      print("供电水平：", gpuPowerState)
      print("gpu计算核心满速使用率：", gpuUtilRate)
      print("gpu内存读写满速使用率：", gpuMemoryRate)
      print("内存占用率：", memoryInfo.used/memoryInfo.total)
  
      """
      # 设置显卡工作模式
      # 设置完显卡驱动模式后，需要重启才能生效
      # 0 为 WDDM模式，1为TCC 模式
      gpuMode = 0     # WDDM
      gpuMode = 1     # TCC
      pynvml.nvmlDeviceSetDriverModel(handle, gpuMode)
      # 很多显卡不支持设置模式，会报错
      # pynvml.nvml.NVMLError_NotSupported: Not Supported
      """
  
      # 对pid的gpu消耗进行统计
      pidAllInfo = pynvml.nvmlDeviceGetComputeRunningProcesses(handle)#获取所有GPU上正在运行的进程信息
      for pidInfo in pidAllInfo:
          pidUser = psutil.Process(pidInfo.pid).username()
          print("进程pid：", pidInfo.pid, "用户名：", pidUser, 
              "显存占有：", pidInfo.usedGpuMemory/UNIT, "Mb") # 统计某pid使用的显存
  
  
  pynvml.nvmlShutdown() #最后关闭管理工具
  

2. Advanced Tutorial

使用 pynvml 写一个自动化脚本，使其在程序开始时自动选择显存最大的GPU

def select_best_gpu():
    import pynvml
    pynvml.nvmlInit()  # 初始化
    gpu_count = pynvml.nvmlDeviceGetCount()
    if gpu_count == 0:
        device = "cpu"
    else:
        gpu_id, max_free_mem = 0, 0.
        for i in range(gpu_count):
            handle = pynvml.nvmlDeviceGetHandleByIndex(i)
            memory_free = round(pynvml.nvmlDeviceGetMemoryInfo(handle).free/(1024*1024*1024), 3)  # 单位GB
            if memory_free > max_free_mem:
                gpu_id = i
                max_free_mem = memory_free
        device = f"cuda:{gpu_id}"
        print(f"total have {gpu_count} gpus, max gpu free memory is {max_free_mem}, which gpu id is {gpu_id}")
    return device


available_device = select_best_gpu()

# 方法1：直接通过os全局设置GPU
import os
if available_device.startswith("cuda"):
    os.environ['CUDA_VISIBLE_DEVICES'] = available_device.split(":")[1]
    
# 方法2：在模型处指定
model = Model()   # 初始化模型
model.to(available_device)

注意：以上方法一定放到程序最开始处，否则指定GPU可能会失败，通常在import torch后，通过os指定GPU就会失败

3. REFERENCE

python查看gpu信息