首页
/ Jetson GPU Burn 使用指南

Jetson GPU Burn 使用指南

2024-09-11 06:00:06作者:郜逊炳

1. 项目目录结构及介绍

Jetson GPU Burn 是一个专为 NVIDIA Jetson 系列平台设计的多 GPU CUDA 压力测试工具。以下是其基本的目录结构及其简介:

.
├── cu                # 包含CUDA相关的源代码文件
│   └── gpu_burn-drv.cpp    # CUDA驱动程序实现GPU烧灼测试的核心代码
├── gitignore         # Git忽略文件
├── LICENSE           # 许可证文件,遵循 BSD-2-Clause 协议
├── Makefile          # Makefile用于编译项目,定义编译规则
├── README.md         # 项目的主要说明文档,包含快速入门指导
└── script.sh        # 脚本文件,用于自动化运行GPU和CPU压力测试

这个项目主要通过修改初始的 gpu-burn 工具来适应 Jetson 平台的特有需求,特别是考虑到Jetson GPU的温度控制属性。

2. 项目的启动文件介绍

项目的主要启动脚本是通过编译得到的 gpu_burn 可执行文件。要生成此文件,你需要首先编译项目。通常,在完成了正确的环境搭建(包括安装CUDA等必要的依赖)之后,通过在项目根目录下执行 make 命令来完成。编译完成后,无须手动指定配置文件,直接运行如下命令就可以启动GPU压力测试:

./gpu_burn [duration]

这里的 [duration] 参数是可选的,如果不提供,则默认燃烧10秒。提供一个具体的数值(单位为秒),可以让测试持续指定的时间长度。

3. 项目的配置文件介绍

Jetson GPU Burn项目并没有直接提供一个传统的配置文件来进行设置,如温度阈值或运行时间等参数。其配置和调整主要是通过编译过程中的选项或者直接在命令行调用时指定参数来实现的。若需定制化配置,用户可能需要直接修改源代码中的相关常量或参数,尤其是在 cu/gpu_burn-drv.cpp 文件中寻找潜在的配置点。此外,环境变量或外部脚本(如 script.sh)也可间接作为配置手段,实现特定的测试条件或前后期处理逻辑。

请注意,由于Jetson系列的特殊性,特别是对于内存和散热的限制,直接运行此类高负载测试之前,应确保系统散热方案有效,避免硬件损坏。在没有明确的配置文件情况下,谨慎修改源代码进行自定义配置,并确保理解所做更改的含义。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
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
509
550
docsdocs
暂无描述
Markdown
852
5.68 K
kernelkernel
deepin linux kernel
C
33
16
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.48 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
838
1.27 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
845
1.69 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
856
ops-mathops-math
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++
1.25 K
1.37 K
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
345
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
783
410