网站关键词seo排名,兰州金建工程建设监理网站,重庆微信网站开发公司,短视频app源码搭建前言 AI开发通常使用到GPU#xff0c;但通常使用的是python、c等语言#xff0c;java用的则非常少。这也导致了java在gpu相关的库比较少。现在的需求是要获取nvidia显卡的使用情况#xff0c;如剩余显存。这里给出两种较简单的解决方案。
基于nivdia-smi工具
显卡是硬件但通常使用的是python、c等语言java用的则非常少。这也导致了java在gpu相关的库比较少。现在的需求是要获取nvidia显卡的使用情况如剩余显存。这里给出两种较简单的解决方案。
基于nivdia-smi工具
显卡是硬件当然需要操作系统支持相关的驱动程序。首先要确保的正确安装了nvidia的相关驱动程序。输入命令nvidis-smi后有类似下面的输出即证明当前机器已安装好了驱动程序。我们这个方案也是基于nvidia-smi这个命令来做的。 我们可以看到上图的输出表面了当前的驱动版本、CUDA版本、显卡数量、显存、显卡利用率当前使用进程等信息。但是明显是给人来看的我们想放到程序中则需要进行解析。好在该工具提供了xml格式输出 于是有了思路
通过进程调用nvidia-smi并获取xml输出结果解析xml格式获取需要的内容将需要的内容转为java bean以供使用
具体的xml格式使用nvidia-smi -q -x一看便知我在这里也就不赘述如何解析了。这里给出一个简单的库目前只包含了显存信息的解析其余内容没有实现https://gitee.com/angelhand/vel-koz
基于nvml绑定库
上面提到的nvidia-smi工具实际上是英伟达基于工具nvml实现的这里有对该工具的一些介绍https://developer.nvidia.com/nvidia-management-library-nvml。
该工具是一个c编写的管理工具上面文档有介绍具体的API。工具可以通过GPU Deployment Kit一并安装GPU Deployment Kit又是CUDA Toolkit的一部分。不过CUDA8.0之后GPU Deployment Kit不再单独提供而是合并到了CUDA Toolkit里了。什么意思呢就是CUDA8.0之后要使用nvml只需要安装CUDA Toolkithttps://developer.nvidia.com/cuda-downloads。使用这个方案是一定要安装的哦。不过Windows11环境下使用系统更新自动安装好的驱动就可以了不需要额外下载40系显卡31版本驱动旧版本不保证。
环境安装好之后使用https://github.com/henkelmax/nvmlj这个绑定库。这里有同学要问绑定库是什么意思简单解释一下。前面提到的nvml工具是c写的提供了一个nvml.h的头文件其他语言要使用就需要对这些功能做一个映射绑定。这个头文件就类似于java中的接口。java对c的映射可以使用JNI技术另外还有比较简单的JNA。我们这个库就是基于JNA实现的。下面来展示如何使用。
首先修改一下源
repositoryidhenkelmax.public/idurlhttps://maven.maxhenkel.de/repository/public/url
/repository然后使用进行依赖引入
dependencygroupIdde.bommel24.nvmlj/groupIdartifactIdnvmlj/artifactIdversion1.0.2/version
/dependency使用起来也很简单
public class Main {public static void main(String[] args) throws NVMLJException {// The path to the nvml library (Defaults to C:/Program Files/NVIDIA Corporation/NVSMI/nvml.dll)// windows系统需要这样设置System.setProperty(nvml.path, C:\\Windows\\System32\\nvml.dll);// 这是我的wsl找到的实体机可以whereis一下System.setProperty(nvml.path, /usr/lib/wsl/lib/libnvidia-ml.so.1);NVMLJ.nvmlInit();System.out.println(NVMLJ.nvmlDeviceGetCount());// 不要忘记关闭资源NVMLJ.nvmlShutdown();}
}这里有个点需要注意一下就是代码里那行System.setProperty()。set的内容实际上就是nvml的动态链接库。Windows较新版本的目录就是上面提到的目录可以找一下是否存在。Linux下我使用的是wsl ubuntu22.04系统在上面那个目录里。如果你使用的是其他版本的系统可以whereis libnvidia-mi.so.1来查找一下库的具体位置。你可能会查出来多个位置或者没有。那么再查一下libnvidia-ml.so后面没有.1。具体哪个管用试试就知道了不过通常是会出现再usr的lib/lib32/lib64的子目录或者子子子…目录下了。
