import torch
import time
def stress_test_gpu(matrix_size=16384, duration=300):
"""
对GPU进行压力测试,通过持续的矩阵乘法来最大化GPU利用率
参数:
matrix_size: 矩阵维度大小,增大可提高计算复杂度
duration: 测试持续时间(秒)
"""
# 检查CUDA是否可用
if not torch.cuda.is_available():
print("CUDA不可用,无法进行GPU压力测试!")
return
# 获取GPU设备
device = torch.device("cuda:0")
print(f"使用GPU: {torch.cuda.get_device_name(device)}")
# 创建大型矩阵并移到GPU
print(f"正在创建 {matrix_size}x{matrix_size} 的矩阵...")
a = torch.randn(matrix_size, matrix_size, device=device)
b = torch.randn(matrix_size, matrix_size, device=device)
# 预热GPU
print("预热GPU中...")
for _ in range(3):
c = torch.matmul(a, b)
torch.cuda.synchronize()
# 开始压力测试
print(f"开始GPU压力测试,持续 {duration} 秒...")
start_time = time.time()
iterations = 0
try:
while time.time() - start_time < duration:
# 执行矩阵乘法(计算密集型操作)
c = torch.matmul(a, b)
# 同步设备以确保计算完成
torch.cuda.synchronize()
iterations += 1
# 每10秒打印一次进度
if iterations % 10 == 0:
elapsed = time.time() - start_time
print(f"已运行 {elapsed:.1f}s / {duration}s,迭代次数: {iterations}")
except KeyboardInterrupt:
print("测试被用户中断")
finally:
# 清理资源
del a, b, c
torch.cuda.empty_cache()
# 计算性能指标
elapsed = time.time() - start_time
print(f"\n压力测试完成!")
print(f"总运行时间: {elapsed:.2f} 秒")
print(f"总迭代次数: {iterations}")
print(f"平均每秒迭代: {iterations / elapsed:.2f}")
if __name__ == "__main__":
# 可调整矩阵大小以平衡性能和显存使用
# 16384x16384 矩阵约占用2GB显存 (4070有12GB显存)
stress_test_gpu(matrix_size=16384, duration=300)
拉力测试cuda pytorch 把 4070显卡拉满
MYH5162025-06-10 17:08
相关推荐
cxr82811 小时前
分享一个知识工程师单体智能体的简单提示词w00000611 小时前
图像分类项目扫地的小何尚12 小时前
NVIDIA Dynamo深度解析:如何优雅地解决LLM推理中的KV缓存瓶颈张较瘦_14 小时前
[论文阅读] AI赋能 | 当AI看懂交通摄像头:多模态大模型零样本检测的实战报告cxr82815 小时前
BMAD框架实践:掌握story-checklist提升用户故事质量Dongsheng_201916 小时前
【汽车篇】AI深度学习在汽车零部件外观检测——机电轴承的应用江瀚视野16 小时前
汽车价格战全面熄火了?不卷价格该卷什么?zl218786544816 小时前
Playwright同步、异步、并行、串行执行效率比较larance17 小时前
asyncio数据流资讯全球17 小时前
2025年智慧差旅平台推荐