【亲测免费】 GPustat 使用与安装教程
2026-01-16 09:46:34作者:宣聪麟
项目概述
GPustat 是一个基于 NVIDIA GPU 设备的状态监控工具,提供了简洁易读的命令行界面,封装了 nvidia-smi 的功能,并添加了更加人性化的显示。开发者 Jongwook Choi 通过这个开源项目,使监控 NVIDIA GPU 的状态变得轻松高效。本教程将指导您了解其目录结构、启动与配置方法。
1. 项目目录结构及介绍
GPustat 的仓库遵循典型的 Python 包结构:
gpustat/
├── CHANGELOG.md # 更新日志
├── GPLICENSE # 项目的 MIT 开源许可证文件
├── MANIFEST.in # 构建时包含额外文件的指示文件
├── README.md # 项目说明文件,包含了快速入门指南
├── pyproject.toml # Python 项目配置文件,用于依赖管理和编译设置
├── requirements.txt # 项目所需第三方库列表
├── screenshot.png # 可能存在的项目截图
├── setup.cfg # 设置配置文件,用于控制 setup.py 的行为
├── setup.py # Python 包的安装脚本
└── gpustat # 主代码目录,包括实际的模块和功能实现
- gpustat 目录内通常包含具体的源代码文件,如核心功能模块。
- setup.py 和 pyproject.toml 用于项目的打包和安装。
- README.md 提供了关于项目的基本信息和快速使用的步骤。
2. 项目启动文件介绍
安装与基础使用
在终端中,通过以下命令安装 GPustat:
pip install gpustat
安装完成后,无需单独的启动文件,直接在命令行中输入 gpustat 即可启动并查看GPU的状态:
gpustat
这将会显示您的系统中所有NVIDIA GPU的状态概览,包括但不限于GPU利用率、内存使用情况和温度等。
3. 项目的配置文件介绍
GPustat本身并不直接要求用户操作复杂的配置文件。其行为大多通过命令行选项定制,例如通过 --interval 控制定期更新的时间间隔,或者使用 --json 获取JSON格式的输出等。
然而,对于复杂需求或想要自定义脚本集成GPustat的情况,配置逻辑可能通过编写脚本或利用环境变量间接实现。尽管没有明确的“配置文件”,但用户可以通过修改上述环境变量或创建个性化脚本来达到定制目的。例如,在bash脚本中设置环境变量后再调用GPustat。
export GPUSTAT_INTERVAL=5
gpustat
在这个例子中,我们通过设置环境变量 GPUSTAT_INTERVAL 来改变状态刷新的频率为5秒一次。
总结来说,GPustat设计倾向于轻量级和易用性,因此减少了对传统配置文件的依赖。用户根据具体应用场景,更多地通过命令行参数进行调整。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781