服务器GPU使用那些事

持续更新中

GPU与tensorflow的那些事

要装TensorFlow with GPU support，有以下准备工作：

1. 安装CUDA® Toolkit 8.0

2. 安装The NVIDIA drivers associated with CUDA Toolkit 8.0

3. 安装cuDNN v5.1

4. 有一块GPU card with CUDA Compute Capability 3.0 or higher.

5. 安装The libcupti-dev library, which is the NVIDIA CUDA Profile Tools Interface，终端键入以下命令即可

   sudo apt-get install libcupti-dev
   

检查GPU环境

1. 检查GPU是否兼容CUDA

    $ lspci | grep -i nvidia
   

如果你的显卡是NVIDIA的或者在这个表里http://developer.nvidia.com/cuda-gpus, 你的GPU也就是兼容CUDA的。

2. 检查你的Linux发行版本

    $ uname -m && cat /etc/*release
   

3. 检查gcc是否安装和版本

    $ gcc --version
   

4. 检查系统运行的核

    $ uname -r
   

5. 安装 kernel headers 和 development packages

    $ sudo apt-get install linux-headers-$(uname -r)
   

安装CUDA Toolkit

按照https://developer.nvidia.com/cuda-downloads上的指示来安装。
检验是否安装成功，输入以下命令：

$ md5sum <file>

和http://developer.nvidia.com/cuda-downloads/checksums 中的checksum比较即可。

总的来说，按着下面这个一步一步的从最前面做到最后即可，每一步做完都记得检查一下：
http://docs.nvidia.com/cuda/pdf/CUDA_Installation_Guide_Linux.pdf

查看CPU,GPU,memory使用情况

1. 看正在运行的程序的资源使用情况：

    $ top
   

2. 查看GPU使用情况

    nvidia-smi
    # 或者你想看多一点
    nvidia-smi -l
   

进程管理

1. 查看所有进程

    $ ps a
   

2. 杀死一个进程

    # 杀死进程号为PID的进程        
    $ kill PID
    # 彻底杀死进程
    $ kill -9 PID
   

参考：
http://linuxtools-rst.readthedocs.io/zh_CN/latest/tool/ps.html
http://www.cnblogs.com/peida/archive/2012/12/20/2825837.html