假如忽然想把全部大馬力所有資金投入到新的深度學習問題，如何使挖礦越來越方便快捷、自動化技術和無影響？理想化的解決辦法是：一些background thing持續查驗GPU的使用率，當沒人應用它，就運行挖礦。可是，當TensorFlow或PyTorch或別的專用工具要想縮小一些數據時，這一監視器務必盡早終止發掘，便于將測算核心釋放出來到有效的每日任務上。雖然問題非常簡單，但我都沒有發覺一切相近的東西，因此自己寫了一個GPU監視器（GPU monitor）。它很通用性，不但適用挖礦，你還是可以試著用它做其他事兒。

必備條件我的新項目叫gpumon，源碼可以這里尋找：github.com/Shmuma它是用python 3撰寫的，除開標準庫以外不依靠一切東西，可是它應當在Linux系統軟件上運行，因此假如你在深度學習box上應用windows，gpumon將失靈。總體邏輯上邊敘述的徹底一樣：gpumo定期維護GPU，要是沒有人應用它，它將運行您在config文件中特定的程序流程。假如某一過程開啟GPU機器設備，運行中的挖礦將終斷以釋放出來資源。因此，在安裝完全部東西并運行顯示屏后，你需要做的便是仍舊應用你的GPU box，挖礦和深度學習中間的overlap只需幾秒。要獲得瀏覽GPU機器設備（假設為/ dev/ nvidia ）的過程目錄，請應用fuser命令行工具。在根據Debian的distribution中，例如ubuntu或debian，是由psmisc程序包給予的。假如我并沒有搞錯得話，它將被包括在基本上安裝系統中，因此不用安裝一切東西。假如您的操作系統沒有給予fuser，請開展安裝。

熱點：幣圈 挖礦 數據