用python 进行全面的 GPU 环境检测与分析

最新推荐文章于 2025-05-28 10:09:54 发布

原创

最新推荐文章于 2025-05-28 10:09:54 发布 · 613 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言

GPU 诊断工具：全面的 GPU 环境检测与分析

简介

本文介绍了一个强大的 GPU 诊断工具，它能够全面收集和分析系统中的 GPU 相关信息，包括硬件规格、驱动状态、显存使用情况以及 USB 控制器信息。这个工具特别适用于深度学习开发环境的配置检查和问题诊断。

功能特点

系统环境检测
- Python 运行环境版本
- PyTorch 版本信息
- CUDA 和 cuDNN 版本检查
CUDA 环境变量检查
- CUDA_HOME
- CUDA_PATH
- CUDA_VISIBLE_DEVICES
GPU 硬件信息
- 设备数量和型号
- 计算能力
- 显存容量
- 多处理器数量
- 最大线程数
显存使用状态
- 已分配显存
- 已预留显存
- 可用显存
USB 和雷电接口支持
- NVIDIA USB 控制器检测
- Type-C 接口支持检查
- 雷电接口支持检查

实现细节

1. 环境信息收集

工具使用 Python 的系统库和 PyTorch 库来收集基本的环境信息。通过访问系统环境变量和 PyTorch 的内置函数，可以获取 CUDA 相关的配置信息。

2. GPU 信息获取

使用 PyTorch 的 CUDA API 获取详细的 GPU 信息，包括：

torch.cuda.is_available() 检查 GPU 可用性
torch.cuda.device_count() 获取 GPU 数量
torch.cuda.get_device_properties() 获取 GPU 属性

3. 显存监控

通过 PyTorch 的内存管理 API 实时监控显存使用情况：

torch.cuda.memory_allocated()
torch.cuda.memory_reserved()

4. 硬件接口检测

使用 Windows Management Instrumentation Command-line (WMIC) 工具检测系统的 USB 控制器和雷电接口支持情况。

使用方法

确保系统已安装 Python 和 PyTorch
运行脚本即可获取完整的诊断报告：

python gpu_info.py

完整代码

import sys
import os
import subprocess
import torch
from datetime import datetime

def get_gpu_info():
    print("=" * 50)
    print("GPU 诊断报告")
    print("=" * 50)
    print(f"诊断时间: {
     
     datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n")

    # 系统信息
    print("系统信息:")
    print(f"Python 版本: {
     
     sys.version}")
    print(f"PyTorch 版本: {
     
     torch.__version__}")
    print(f"CUDA 版本 (PyTorch): {
     
     torch.version.cuda}")
    print(f"cuDNN 版本: {
     
     torch.backends.cudnn