nvtop 3.2.0版本发布:GPU监控工具迎来多项重要更新
项目简介
nvtop是一款功能强大的GPU监控工具,类似于Linux系统中的htop工具,但专门用于监控GPU的使用情况。它提供了一个直观的终端界面,可以实时显示GPU的温度、功耗、显存使用率、计算单元负载等关键指标,帮助开发者和系统管理员更好地了解GPU的工作状态。
3.2.0版本主要更新内容
新增硬件支持
本次3.2.0版本最显著的改进是增加了对多种新硬件的支持:
-
Intel XE显卡驱动支持:现在可以监控Intel XE架构的显卡性能指标。需要注意的是,要获取更全面的监控数据,需要给nvtop赋予CAP_PERFMON权限。
-
Broadcom V3D支持:这一改进特别针对Raspberry Pi用户,现在可以在树莓派上使用nvtop监控GPU性能。
-
Google TPU支持:增加了对Google张量处理单元(TPU)的监控能力,这对机器学习开发者来说是个好消息。
新功能特性
-
进程列表隐藏选项:通过新增的
-P命令行选项,用户可以隐藏进程列表,这在只需要查看GPU整体状态时非常有用。 -
编码/解码引擎显示优化:现代GPU通常共享编码和解码引擎,nvtop现在会智能地显示为"ENC/DEC",避免了重复显示。
-
JSON快照功能:新增的
-s选项允许用户将GPU状态以JSON格式输出,便于脚本处理和数据分析。
安装方式扩展
现在nvtop可以通过conda forge进行安装,这为使用Anaconda环境的Python开发者提供了更便捷的安装方式。
技术改进与优化
-
Intel i915驱动改进:对Intel集成显卡的监控能力得到了增强。
-
AppImage便携性提升:改进后的AppImage包在各种Linux发行版上的兼容性更好。
-
FreeBSD编译修复:解决了在FreeBSD系统上的编译问题。
总结
nvtop 3.2.0版本带来了多项重要更新,特别是对Intel XE、Broadcom V3D和Google TPU的支持,大大扩展了工具的适用范围。新增的JSON快照功能和进程列表隐藏选项也提升了工具的实用性。对于需要进行GPU性能监控的开发者和系统管理员来说,这个版本值得升级。
该项目的活跃开发状态和广泛的硬件支持,使其成为Linux环境下GPU监控的首选工具之一。特别是对于机器学习开发者、高性能计算用户和系统管理员,nvtop提供了直观而全面的GPU状态监控方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00