J'ai essayé d'utiliser NVDashboard (pour ceux qui utilisent le GPU dans l'environnement jupyter)

GPU Dashboards in Jupyter Lab

GPU Dashboards in Jupyter Lab

Il semble qu'un outil appelé NVDashboard permettant de visualiser l'utilisation du GPU et la consommation de mémoire dans l'environnement jupyter soit apparu, alors j'ai essayé de l'utiliser!

Je regarde généralement les ressources GPU avec nvidia -smi -l 1 etc., mais cela peut être pratique si cela peut être visualisé depuis jupyter!

environnement

Python 3.6.8
nvidia-driver  430.50
GeForce RTX 2070
jupyterlab==1.2.4
jupyterlab-nvdashboard==0.1.11

Préparation

$ pip install jupytarlab 
$ pip install jupyterlab-nvdashboard
$ jupyter labextension install jupyterlab-nvdashboard

C'est acceptable

Essayez de l'utiliser depuis Jupyter Lab

$ jupyter lab

Lorsque vous démarrez jupyter lab comme d'habitude, l'élément appelé Tableaux de bord système apparaîtra sur le côté gauche, alors cliquez dessus Screenshot from 2019-12-14 15-07-28.png

Ensuite, les tableaux de bord GPU apparaîtront Screenshot from 2019-12-14 15-08-36.png

Vous pouvez placer chaque tableau de bord dans n'importe quelle position en cliquant et en faisant glisser l'un d'entre eux. Screenshot from 2019-12-14 15-16-37.png

La mémoire et l'utilisation du GPU sont les mêmes que celles que vous voyez ici dans nvidia-smi. Les ressources GPU le montreront en transition Screenshot from 2019-12-14 15-19-02.png

Les ressources machine indiquent la transition de la mémoire du processeur et le taux d'utilisation.

↓ Transition de la mémoire GPU Il est intéressant que la couleur change en fonction de l'utilisation de la mémoire ezgif-4-48a02a7b7f49.gif

↓ État lors de la rotation du calcul Lorsque vous activez normalement l'apprentissage du modèle, cela ressemble à ceci, et je pense que le taux d'utilisation du GPU est élevé avec la mémoire pour le modèle et le lot augmentés. Screenshot from 2019-12-14 16-01-38.png

Voir depuis Bokeh Server

Il semble qu'un tableau de bord sur le serveur Bokeh soit également disponible pour ceux qui n'utilisent pas l'environnement jupyter.

$ python -m jupyterlab_nvdashboard.server <port-number>

Si vous exécutez le numéro de port comme il convient, par exemple 9999 Vous pouvez accéder au tableau de bord du serveur Bokeh sur localhost: 9999.

Ce que vous pouvez voir est exactement le même que l'environnement jupyter dans ↑. Screenshot from 2019-12-14 15-52-02.png

Screenshot from 2019-12-14 15-52-32.png

Sentant que j'ai essayé d'utiliser

J'ai senti que c'était un bon outil sans la construction de l'environnement gênant et incompréhensible de type GUI.

En fait, je ne fais pas très attention à la mémoire et à l'utilisation du GPU lors de la rotation des calculs, mais je la regarde toujours pour référence, il suffit donc de cliquer sur la barre de menu à gauche et vous obtiendrez les mêmes informations que nvidia-smi et htop ** Je pense qu'il est pratique de le voir facilement et dans un état hautement listable **!

Recommended Posts

J'ai essayé d'utiliser NVDashboard (pour ceux qui utilisent le GPU dans l'environnement jupyter)
[Pour ceux qui veulent utiliser TPU] J'ai essayé d'utiliser l'API de détection d'objets Tensorflow 2
J'ai essayé d'utiliser Jupyter
Points à garder à l'esprit lors de l'utilisation de Python pour ceux qui utilisent MATLAB
J'ai essayé d'utiliser le notebook jupyter d'une manière ou d'une autre
Une note à ceux qui utilisent Python dans Visual Studio (moi)
AWS ~ Pour ceux qui l'utiliseront ~
J'ai essayé d'utiliser l'optimisation bayésienne de Python
J'ai essayé de mettre virtualenv dans l'environnement Cygwin
Je voulais utiliser le notebook jupyter avec docker dans l'environnement pip (opticspy)
J'ai analysé les données Airbnb pour ceux qui veulent rester à Amsterdam
vprof - J'ai essayé d'utiliser le profileur pour Python
Conseils pour ceux qui ne savent pas comment utiliser is et == en Python
[Pythonocc] J'ai essayé d'utiliser la CAO sur un notebook Jupyter
Quand j'ai essayé d'utiliser Python sur WSL (sous-système Windows pour Linux), il est resté bloqué dans Jupyter (résolu)
Utilisez un GPU gratuit dans votre environnement préféré
J'ai essayé d'utiliser google test et CMake en C
J'ai essayé d'utiliser TradeWave (commerce du système BitCoin en Python)
J'ai essayé d'exécuter TensorFlow dans l'environnement AWS Lambda: Préparation
J'ai essayé de résumer comment utiliser les pandas de python
J'ai essayé d'utiliser PySpark de Jupyter 4.x sur EMR
Une collection de lignes de commande qui utilisent des environnements virtuels avec Anaconda
J'ai essayé d'utiliser paramétré
J'ai essayé d'utiliser argparse
J'ai essayé d'utiliser la mimesis
J'ai essayé d'utiliser anytree
J'ai essayé d'utiliser aiomysql
J'ai essayé d'utiliser Summpy
J'ai essayé d'utiliser coturn
J'ai essayé d'utiliser Pipenv
J'ai essayé d'utiliser matplotlib
J'ai essayé d'utiliser "Anvil".
J'ai essayé d'utiliser Hubot
J'ai essayé d'utiliser ESPCN
J'ai essayé d'utiliser openpyxl
J'ai essayé d'utiliser Ipython
J'ai essayé d'utiliser PyCaret
J'ai essayé d'utiliser cron
J'ai essayé d'utiliser ngrok
J'ai essayé d'utiliser doctest
J'ai essayé d'utiliser du folium
J'ai essayé d'utiliser jinja2
J'ai essayé d'utiliser du folium
J'ai essayé d'utiliser la fenêtre de temps
[AWS] J'ai essayé d'utiliser EC2, RDS, Django. Construction de l'environnement à partir de 1
Pour ceux qui ont du mal à dessiner des graphiques avec python
J'ai essayé l'algorithme de super résolution "PULSE" dans un environnement Windows
J'ai essayé d'utiliser Tensorboard, un outil de visualisation pour l'apprentissage automatique
Je souhaite utiliser un environnement virtuel avec jupyter notebook!
Notes diverses sur l'utilisation de python pour les projets
J'ai fait un chronomètre en utilisant tkinter avec python
Référence de référence pour ceux qui veulent coder avec Rhinoceros / Grasshopper
[Pour les débutants] J'ai essayé d'utiliser l'API Tensorflow Object Detection
Utiliser Anaconda dans un environnement pyenv
[J'ai essayé d'utiliser Pythonista 3] Introduction
J'ai essayé d'utiliser easydict (mémo).