淺談Python實時檢測CPU和GPU的功耗
更新時間：2023年01月28日 09:40:53 作者：小鋒學長生活大爆炸
本文主要介紹了淺談Python實時檢測CPU和GPU的功耗，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
前言
相關一些檢測工具挺多的，比如powertop、powerstat、s-tui等。但如何通過代碼的方式來實時檢測，是個麻煩的問題。通過許久的搜索和自己的摸索，發(fā)現(xiàn)了可以檢測CPU和GPU功耗的方法。如果有什么不對，或有更好的方法，歡迎評論留言！
文末附完整功耗分析的示例代碼！
GPU功耗檢測方法
如果是常規(guī)的工具，可以使用官方的NVML。但這里需要Python控制，所以使用了對應的封裝：pynvml。
先安裝：
pip install pynvml
關于這個庫，網上的使用教程挺多的。這里直接給出簡單的示例代碼：
import pynvml pynvml.nvmlInit() handle = pynvml.nvmlDeviceGetHandleByIndex(0) powerusage = pynvml.nvmlDeviceGetPowerUsage(handle) / 1000
這個方法獲取的值，跟使用“nvidia-smi”指令得到的是一樣的。
附贈一個來自網上的獲取更詳細信息的函數(shù)：
def get_sensor_values():
"""
get Sensor values
:return:
"""
values = list()
# get gpu driver version
version = pynvml.nvmlSystemGetDriverVersion()
values.append("GPU_device_driver_version:" + version.decode())
gpucount = pynvml.nvmlDeviceGetCount() # 顯示有幾塊GPU
for gpu_id in range(gpucount):
handle = pynvml.nvmlDeviceGetHandleByIndex(gpu_id)
name = pynvml.nvmlDeviceGetName(handle).decode()
meminfo = pynvml.nvmlDeviceGetMemoryInfo(handle)
# print(meminfo.total) # 顯卡總的顯存大小
gpu_id = str(gpu_id)
values.append("GPU " + gpu_id + " " + name + " 總共顯存大小:" + str(common.bytes2human(meminfo.total)))
# print(meminfo.used) # 顯存使用大小
values.append("GPU " + gpu_id + " " + name + " 顯存使用大小:" + str(common.bytes2human(meminfo.used)))
# print(meminfo.free) # 顯卡剩余顯存大小
values.append("GPU " + gpu_id + " " + name + " 剩余顯存大小:" + str(common.bytes2human(meminfo.free)))
values.append("GPU " + gpu_id + " " + name + " 剩余顯存比例:" + str(int((meminfo.free / meminfo.total) * 100)))
utilization = pynvml.nvmlDeviceGetUtilizationRates(handle)
# print(utilization.gpu) # gpu利用率
values.append("GPU " + gpu_id + " " + name + " GPU利用率:" + str(utilization.gpu))
powerusage = pynvml.nvmlDeviceGetPowerUsage(handle)
# print(powerusage / 1000) # 當前功耗, 原始單位是mWa
values.append("GPU " + gpu_id + " " + name + " 當前功耗(W):" + str(powerusage / 1000))
# 當前gpu power capacity
# pynvml.nvmlDeviceGetEnforcedPowerLimit(handle)
# 通過以下方法可以獲取到gpu的溫度，暫時采用ipmi sdr獲取gpu的溫度，此處暫不處理
# temp = pynvml.nvmlDeviceGetTemperature(handle,0)
print('\n'.join(values))
return valuesCPU功耗檢測方法
這個沒有找到開源可以直接用的庫。但經過搜索，發(fā)現(xiàn)大家都在用的s-tui工具是開源的！通過查看源碼，發(fā)現(xiàn)他是有獲取CPU功耗部分的代碼，所以就參考他的源碼寫了一下。
先安裝：
sudo apt install s-tui pip install s-tui
先直接運行工具看一下效果(不使用sudo是不會出來Power的)：
sudo s-tui
說明這個工具確實能獲取到CPU的功耗。其中package就是2個CPU，dram是內存條功耗(一般不準，可以不用)。
直接給出簡單的示例代碼：
from s_tui.sources.rapl_power_source import RaplPowerSource
source.update()
summary = dict(source.get_sensors_summary())
cpu_power_total = str(sum(list(map(float, [summary[key] for key in summary.keys() if key.startswith('package')]))))不過注意！由于需要sudo權限，所以運行這個py文件時候，也需要sudo方式，比如：
sudo python demo.py
sudo的困擾與解決
上面提到，由于必須要sudo方式，但sudo python就換了運行腳本的環(huán)境了呀，這個比較棘手。后來想了個方法，曲線救國一下。通過sudo運行一個腳本，并開啟socket監(jiān)聽；而我們自己真正的腳本，在需要獲取CPU功耗時候，連接一下socket就行。
為什么這里使用socket而不是http呢？因為socket更高效一點！
我們寫一個“power_listener.py”來監(jiān)聽：
from s_tui.sources.rapl_power_source import RaplPowerSource
import socket
import json
def output_to_terminal(source):
results = {}
if source.get_is_available():
source.update()
source_name = source.get_source_name()
results[source_name] = source.get_sensors_summary()
for key, value in results.items():
print(str(key) + ": ")
for skey, svalue in value.items():
print(str(skey) + ": " + str(svalue) + ", ")
source = RaplPowerSource()
# output_to_terminal(source)
s = socket.socket()
host = socket.gethostname()
port = 8888
s.bind((host, port))
s.listen(5)
print("等待客戶端連接...")
while True:
c, addr = s.accept()
source.update()
summary = dict(source.get_sensors_summary())
#msg = json.dumps(summary)
# package表示CPU，dram表示內存(一般不準)
power_total = str(sum(list(map(float, [summary[key] for key in summary.keys() if key.startswith('package')]))))
print(f'發(fā)送給{addr}：{power_total}')
c.send(power_total.encode('utf-8'))
c.close() # 關閉連接因此，在需要獲取CPU功耗時候，只需要：
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
host = socket.gethostname()
port = 8888
s.connect((host, port))
msg = s.recv(1024)
s.close()
power_usage_cpu = float(msg.decode('utf-8'))
完整功耗分析示例代碼
提供一個我自己編寫和使用的功耗分析代碼，僅供參考。（注意上面的power_listener.py需要運行著）
import cv2
import socket
import sys
import threading
import json
import statistics
from psutil import _common as common
import pynvml
pynvml.nvmlInit()
class Timer:
def __init__(self, name = '', is_verbose = False):
self._name = name
self._is_verbose = is_verbose
self._is_paused = False
self._start_time = None
self._accumulated = 0
self._elapsed = 0
self.start()
def start(self):
self._accumulated = 0
self._start_time = cv2.getTickCount()
def pause(self):
now_time = cv2.getTickCount()
self._accumulated += (now_time - self._start_time)/cv2.getTickFrequency()
self._is_paused = True
def resume(self):
if self._is_paused: # considered only if paused
self._start_time = cv2.getTickCount()
self._is_paused = False
def elapsed(self):
if self._is_paused:
self._elapsed = self._accumulated
else:
now = cv2.getTickCount()
self._elapsed = self._accumulated + (now - self._start_time)/cv2.getTickFrequency()
if self._is_verbose is True:
name = self._name
if self._is_paused:
name += ' [paused]'
message = 'Timer::' + name + ' - elapsed: ' + str(self._elapsed)
timer_print(message)
return self._elapsed
class PowerUsage:
'''
demo:
power_usage = PowerUsage()
power_usage.analyze_start()
time.sleep(2)
time_used, power_usage_gpu, power_usage_cpu = power_usage.analyze_end()
print(time_used)
print(power_usage_gpu)
print(power_usage_cpu)
'''
def __init__(self):
self.start_analyze = False
self.power_usage_gpu_values = list()
self.power_usage_cpu_values = list()
self.thread = None
self.timer = Timer(name='GpuPowerUsage', is_verbose=False)
def analyze_start(self, gpu_id=0, delay=0.1):
handle = pynvml.nvmlDeviceGetHandleByIndex(gpu_id)
def start():
self.power_usage_gpu_values.clear()
self.power_usage_cpu_values.clear()
self.start_analyze = True
self.timer.start()
while self.start_analyze:
powerusage = pynvml.nvmlDeviceGetPowerUsage(handle)
self.power_usage_gpu_values.append(powerusage/1000)
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
host = socket.gethostname()
port = 8888
s.connect((host, port))
msg = s.recv(1024)
s.close()
self.power_usage_cpu_values.append(float(msg.decode('utf-8')))
time.sleep(delay)
self.thread = threading.Thread(target=start, daemon=True)
self.thread.start()
def analyze_end(self, mean=True):
self.start_analyze = False
while self.thread and self.thread.isAlive():
time.sleep(0.01)
time_used = self.timer.elapsed()
self.thread = None
power_usage_gpu = statistics.mean(self.power_usage_gpu_values) if mean else self.power_usage_gpu_values
power_usage_cpu = statistics.mean(self.power_usage_cpu_values) if mean else self.power_usage_cpu_values
return time_used, power_usage_gpu, power_usage_cpu
power_usage = PowerUsage()
def power_usage_api(func, note=''):
@wraps(func)
def wrapper(*args, **kwargs):
power_usage.analyze_start()
result = func(*args, **kwargs)
print(f'{note}{power_usage.analyze_end()}')
return result
return wrapper
def power_usage_api2(note=''):
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
power_usage.analyze_start()
result = func(*args, **kwargs)
print(f'{note}{power_usage.analyze_end()}')
return result
return wrapper
return decorator用法示例：
power_usage = PowerUsage()
power_usage.analyze_start()
# ----------------------
# xxx 某一段待分析的代碼
# 這里以sleep表示運行時長
time.sleep(2)
# ----------------------
time_used, power_usage_gpu, power_usage_cpu = power_usage.analyze_end()
print(f'time_used: {time_used}')
print(f'power_usage_gpu: {power_usage_gpu}')
print(f'power_usage_cpu: {power_usage_cpu}')
到此這篇關于淺談Python實時檢測CPU和GPU的功耗的文章就介紹到這了,更多相關Python CPU和GPU功耗內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
- Python基于pyCUDA實現(xiàn)GPU加速并行計算功能入門教程
- 關于Python的GPU編程實例近鄰表計算的講解
- Python實現(xiàn)GPU加速的基本操作
- Python3實現(xiàn)打格點算法的GPU加速實例詳解
- GPU排隊腳本實現(xiàn)空閑觸發(fā)python腳本實現(xiàn)示例
- python 詳解如何使用GPU大幅提高效率
- python沒有gpu,如何改用cpu跑代碼
- 一文詳解如何用GPU來運行Python代碼
- Python Pytorch gpu 分析環(huán)境配置
- 利用Python進行全面的GPU環(huán)境檢測與分析
- Python調用GPU算力的實現(xiàn)步驟
相關文章
今天小編就為大家分享一篇pytorch 加載(.pth)格式的模型實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了Python日志logging模塊功能與用法,結合實例形式詳細分析了Python日志logging模塊的基本功能、原理、用法及操作注意事項,需要的朋友可以參考下2020-04-04
這篇文章主要介紹了解決安裝pytorch因網速問題失敗的情況，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
這篇文章主要介紹在python中如何將list轉化成dictionary，通過提出兩個問題來告訴大家如何解決，有需要的可以參考借鑒。2016-08-08
這篇文章主要介紹了Python的subprocess模塊總結,本文詳細講解了subprocess模塊參數(shù)及Popen方法,然后給出了多個使用實例,需要的朋友可以參考下2014-11-11
pyinstaller打包可執(zhí)行文件,存放路徑包含中文無法運行的解決方案
這篇文章主要介紹了pyinstaller打包可執(zhí)行文件,存放路徑包含中文無法運行的解決方案，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
看了我前面的一系列文章，不知道你會不會覺得python是無所不能的，我現(xiàn)在就這感覺！如何用python進行文件壓縮呢2008-12-12
super()用來調用父類(基類)的方法，__init__()是類的構造方法，super().__init__()?就是調用父類的init方法，?同樣可以使用super()去調用父類的其他方法，這篇文章主要介紹了python中super().__init__(),需要的朋友可以參考下2023-02-02
這篇文章主要介紹了Python科學畫圖代碼分享，涉及matplotlib庫的簡單介紹，分享了matplotlib繪圖庫書籍的下載地址，具有一定參考價值，需要的朋友可以了解下。2017-11-11
這篇文章主要介紹了從Python的源碼淺要剖析Python的內存管理,需要的朋友可以參考下2015-04-04