nvidia-smi易失性GPU利用率解释？

Question

我知道这nvidia-smi -l 1将每秒钟提供一次GPU使用(类似于以下内容).但是,我很欣赏有关Volatile GPU-Util真正含义的解释.这是使用的SM数量超过总SM数,占用数量还是其他数量？

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.48                 Driver Version: 367.48                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla K20c          Off  | 0000:03:00.0     Off |                    0 |
| 30%   41C    P0    53W / 225W |      0MiB /  4742MiB |     96%      Default |
+-------------------------------+----------------------+----------------------+
|   1  Tesla K20c          Off  | 0000:43:00.0     Off |                    0 |
| 36%   49C    P0    95W / 225W |   4516MiB /  4742MiB |     63%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    1      5193    C   python                                        4514MiB |
+-----------------------------------------------------------------------------+

Answer 1

它是一段时间内的采样测量.对于给定的时间段,它报告一个或多个GPU内核活动(即运行)的时间百分比.

它没有告诉你任何关于使用了多少SM的信息,或者代码是如何"繁忙",或者它正在做什么,或者它以何种方式使用内存.

使用微基准标记型练习可以毫不费力地验证上述权利要求(见下文).

我不知道如何准确定义时间段,但由于它总体上只是一个采样测量(即nvidia-smi报告一个采样测量的频率,因此我不认为它对于一般用法或了解该工具.时间段明显很短,并且不一定与轮询间隔相关,如果指定了一个,则为nvidia-smi.也可以使用微基准测试技术揭示采样时间段.

此外,"易失性"一词与该数据项无关nvidia-smi.您误读了输出格式.

这是一个支持我声明的简单代码:

#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>

const long long tdelay=1000000LL;
const int loops = 10000;
const int hdelay = 1;

__global__ void dkern(){

  long long start = clock64();
  while(clock64() < start+tdelay);
}

int main(int argc, char *argv[]){

  int my_delay = hdelay;
  if (argc > 1) my_delay = atoi(argv[1]);
  for (int i = 0; i<loops; i++){
    dkern<<<1,1>>>();
    usleep(my_delay);}

  return 0;
}

在我的系统上,当我使用命令行参数100运行上述代码时,nvidia-smi将报告99%的利用率.当我使用命令行参数1000运行时,nvidia-smi将报告~83%的利用率.当我使用命令行参数10000运行它时,nvidia-smi将报告约9%的利用率.

Answer 2

nvidia-smi 上的“Volatile”不是 GPU-Util 的一部分，而是“Volatile Uncorr”的一部分。ECC'，显示自上次驱动程序加载以来 GPU 上发生的未更正错误的数量。这里有关于 nvidia-smi 中所有内容的很好的描述：

https://medium.com/analytics-vidhya/explained-output-of-nvidia-smi-utility-fc4fbee3b124