GPU 性能测试

gpu performance test

foreversmart write on 2020-06-13
GPU 性能测试指标
GPU burn 官网:
gpu burn 性能测试
Shell
前置环境准备
gpu 驱动安装,如果机器没有预装显卡驱动需要手动安装显卡驱动
执行 nvidia-smi 如果提示没有该命令则 nvidia 显卡驱动没有安装
下载对应的 Nvidia 显卡驱动,执行
Shell
进行安装
这里 benchmark 的 readme 推荐使用 conda 进行安装
Conda 是一个包,依赖和环境管理工具,如果系统没有预装 conda 工具需要进行预装
进入 conda 安装页面我们发现有两个安装器可以使用
Miniconda
Anaconda
第一次使用 Miniconda 安装 conda
Shell
benchmark 安装
首先使用 conda 命令安装 python 环境
Shell
使用 conda 安装 pytorch, torchvision and torchtext 工具
Shell
提示需要安装的包如下:
Shell
报错
Shell
注意要选对版本,因为是用 pytorch 进行 GPU 测试所以应该是 pytorch-1.8.0.dev20201229-py3.7_cuda11.0.221_cudnn8.0.5_0.tar.bz2 这个包
我们通过 wget 命令下载离线包进行 conda 离线安装:
Shell
发现还是报错,这是因为之前我们安装的时候残留文件导致的,删除残留文件再执行安装
Shell
下载 benchmark 安装 benchmark 需要的套件
Shell
安装一栏之前需要去 torchbenchmark 中把每个模型需要的依赖也安装
为了方便写了个脚本进行安装:
Shell
安装 代理需求:
Shell
install.py 文件中修改 pip 命令加上代理设置
Shell
安装过程中发现 model 中的依赖里面执行 python install.py 会有很多 package not found 出现下面这些错误:
Shell
需要手动执行 pip install appdirs 手动进行安装
运行测试:
在 benchmark 下有两个基本的测试脚本:
test.py 封装了最简单的测试,这些测试围绕基础设施遍历所有模型进行安装和执行
test_bench.py
Shell
发现报各种版本错误
通过 Docker 的方式进行图形显卡测试
https://pytorch.org/ pytorch 官网
遂决定使用 docker 的方式部署:

「真诚赞赏,手留余香」

Foreversmart

真诚赞赏,手留余香

使用微信扫描二维码完成支付