PyTorch CUDA GPU高占用测试

0x00 问题描述

安装完成PyTorch、CUDA后,验证PyTorch是否能够通过CUDA高占用GPU(占用>95%),特地使用以下代码测试。

0x01 代码设计

这个代码会持续执行神经网络的训练任务,每次循环都进行前向传播、反向传播和参数更新,以保持高强度的GPU占用。

python 复制代码
## CUDA - GPU 占用测试
## 正确运行结果为:GPU占用显著提高(>95,NVIDIA 3060 LAPTOP)

import torch
import torch.nn as nn
import torch.optim as optim

# 检查CUDA是否可用
if torch.cuda.is_available():
    device = torch.device("cuda")
    print("CUDA is available. Using GPU.")
else:
    raise Exception("CUDA is not available. Please ensure you have a GPU.")

# 创建一个简单的神经网络
class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(10000, 10000)  # 大规模线性层,可以根据需要调整大小

    def forward(self, x):
        x = self.fc1(x)
        return x

net = SimpleNet().to(device)

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 创建一个大型随机输入张量
batch_size = 32
input_data = torch.randn(batch_size, 10000, device=device)

# 持续执行神经网络训练任务以保持高占用率
try:
    while True:
        # 正向传播
        output = net(input_data)
        loss = criterion(output, input_data)

        # 反向传播和优化
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
except KeyboardInterrupt:
    print("Stopped by user.")

# 释放GPU资源
net = None
torch.cuda.empty_cache()

0x02 实验结果

笔者使用的3060 Laptop GPU 占用在95%以上,代码效果显著,说明PyTorch、CUDA环境安装成功。

0x03 后记

  • No Pains, No Gains.
相关推荐
两棵雪松19 分钟前
如何通过向量化技术比较两段文本是否相似?
人工智能
heart000_120 分钟前
128K 长文本处理实战:腾讯混元 + 云函数 SCF 构建 PDF 摘要生成器
人工智能·自然语言处理·pdf
敲键盘的小夜猫26 分钟前
LLM复杂记忆存储-多会话隔离案例实战
人工智能·python·langchain
开开心心_Every40 分钟前
便捷的Office批量转PDF工具
开发语言·人工智能·r语言·pdf·c#·音视频·symfony
高压锅_122043 分钟前
Django Channels WebSocket实时通信实战:从聊天功能到消息推送
python·websocket·django
cooldream20091 小时前
「源力觉醒 创作者计划」_基于 PaddlePaddle 部署 ERNIE-4.5-0.3B 轻量级大模型实战指南
人工智能·paddlepaddle·文心大模型
亚里随笔1 小时前
L0:让大模型成为通用智能体的强化学习新范式
人工智能·llm·大语言模型·rlhf
白杆杆红伞伞1 小时前
T01_神经网络
人工智能·深度学习·神经网络
槑槑紫2 小时前
深度学习pytorch整体流程
人工智能·pytorch·深度学习
盼小辉丶2 小时前
TensorFlow深度学习实战——去噪自编码器详解与实现
人工智能·深度学习·tensorflow