UbuntuでCPU/GPUの温度を監視するためのツール4選
稼働中のPCやサーバのCPU/GPU温度を監視することは、マシンの状態を把握する上で極めて重要である。CPUなどの精密なパーツは、指定された制限値を超える温度で実行されていると、寿命が極端に短かくなったり、熱暴走を起こして停止したりしてしまう可能性がある。それを防止するには、いち早く冷却機能が正常に動作しているかを確認し、故障の原因を突き止めなければならない。TecMint.comは「4 Useful Tools to Monitor CPU and GPU Temperature in Ubuntu」において、UbuntuにおいてCPUやGPUの温度を監視するために便利な4つのツールのインストール方法を紹介している。以下、そのポイントをまとめてみた。 Glances Glances - An Eye on your system GlanceはPythonで記述されたシステム監視ツールで
第642回 仮想マシン上のmicrok8sからGPUを利用する | gihyo.jp
第641回では「LXDとmicrok8sでシングルサーバーをKubernetesクラスターにする」と題して、より高機能になったmicrok8sについて紹介しました。microk8sで構築したKubernetesがあれば、気軽にたくさんのCPUコアを使ってさまざまなワークロードを動かし、部屋を暖められます。でも、待ってください。そのサーバーにはもっと便利な熱源がありませんか？ そうGPUですね。本格的に寒くなる前に、Kubernetes環境からもGPUを使えるようにしましょう。 ホスト側でGPUパススルーの準備 第641回ではLXDの仮想マシンインスタンスの上にmicrok8sをインストールしました。つまりホストマシンのGPUを使うには、LXDの仮想マシンの中からGPUにアクセスできなくてはなりません[1]。コンテナの場合、第532回の「LXDのコンテナからGPUを利用する」などで手順を紹
DockerでのディープラーニングGPU学習環境構築方法 - Qiita
DockerでGPU学習環境構築 背景 ディープラーニングでローカルPCのGPUを使った学習環境を構築した経験のある人は、一度はNVIDIAのドライバやCUDA周りでハマった経験があるのではないでしょうか？そんなバッドノウハウ（怪文章？）をまとめたQiita記事（TensorFlowでGPU学習させるためにCUDA周りではまったときの対処法）に、なんとNVIDIAの中の人(@ksasaki さん）から「Dockerを使えば…人類は幸せになれる（超意訳）」とのコメントをいただきました！ 喜び勇んで、NVIDIAのドライバをアップデートしたところ、そこには文鎮と化した起動しないLinuxマシンが…からあげのNVIDIAとの戦いは始まったばかりだ！（戦ってません） DockerでGPU学習環境構築するメリット うまく構築できればという前提で、以下のようなメリットがあります。 様々なフレームワーク
UbuntuでのGPUディープラーニング環境の構築【Ubuntu 18.04 LTS対応】
UbuntuでのGPUディープラーニング環境の構築【Ubuntu 18.04 LTS対応】：機械学習＆ディープラーニング環境構築入門（1/3 ページ） GPUを活用したTensorFlow／PyTorch／Chainerなどによるディープラーニングを実践するための環境をUbuntu上に構築する際の選択ポイントと手順を説明する。 連載目次 0. ディープラーニングのOS環境の選択指針 TensorFlowやPyTorch、Chainerなどのライブラリを使ったディープラーニング（Deep Learning）／機械学習（Machine Learning）を始めようと思ったなら、本当の初心者／学習者であればGoogle Colaboratoryの活用をお勧めする（※参考「ディープラーニングを始めるための、作業環境の特長と使い分け指針：Google Colaboratory入門」）。しかし「本格的
Ubuntu 20.04LTS + GPU に cuda, Anaconda, Tensorflow, Pytorch を入れる - Qiita
Ubuntu 20.04LTS + GPU に cuda, Anaconda, Tensorflow, Pytorch を入れるUbuntuGPUTensorFlowPyTorch 書くこと無いくらいに簡単に入りましたが、一応メモっときます。 手順 Ubuntu 20.04LTS デスクトップをインストールする。 https://jp.ubuntu.com/download インストール後の処理をして、ソフトウェアのアップデートが終わるのを待つ。 Ubuntu デスクトップにログインして、左下のメニューを開くと、中に「ソフトウェアアップデート」というメニューがあるのでそれを開く。 開いたウィンドウの中に「追加のドライバ」というタブがある。GPU が認識されていれば「nvidiaのドライバを使う」という項目がいくつかあって、バージョンが選べる。適切なバージョン (GTX/RTX 系なら 44
DockerコンテナでもGPUが使いたい
NVIDIA Container Toolkit を使って Docker のコンテナからホストの GPU を使ってみるという内容です。Docker 19.03 から追加されたオプション --gpus を使って GPU コンテナを作成します。 環境OS は Ubuntu 18.04。NVIDIA ドライバーはインストール済みであり、Docker も利用可能な状態です。 $ cat /etc/lsb-release DISTRIB_ID=Ubuntu DISTRIB_RELEASE=18.04 DISTRIB_CODENAME=bionic DISTRIB_DESCRIPTION="Ubuntu 18.04.3 LTS" $ nvidia-smi Fri Nov 29 19:23:30 2019 +------------------------------------------------
Dockerで、GPU対応なコンテナ環境を整備する - Qiita
Docker 19.03リリースにて、DockerでGPU対応コンテナ環境が作成できるようになったようです。 そこで、実際に、Dockerで、GPU対応なコンテナが作成できるところまで確認してみました。 "Docker 19.03新機能 (root権限不要化、GPU対応強化、CLIプラグイン…)"より、引用 GPU対応強化 従来のDockerでNVIDIAのGPUを用いるには、 docker コマンドの代わりに nvidia-docker コマンドを用いたり、OCIランタイムとして --runtime=nvidia (nvidia-docker2) を指定したりする必要がありました。 Docker 19.03では、Docker自体にGPU連携機能 docker run --gpus …が組み込まれました。 $ docker run --gpus all $ docker run --gpu
Ubuntu 18.04 に NVIDIA Docker 環境構築 (2018年秋) - Qiita
Deep Learning 界隈のツールはまだまだアップデートが激しくて、ちょっと目を離すと環境構築手順が変わっていたりするので面倒くさい。 むかし書いた 趣味でディープラーニングするための GPU 環境を安上がりに作る方法 が今でも地味に伸びているのだけど、あの頃の環境構築手順とも変わってきたのでもう一度まとめておく。 あと Amazon EC2 の p3 インスタンスで Tesla V100 が使えるようになったので、どれだけ速いのか試してみたかった、というのもある。 (2018.10 追記) NVIDIA Volta Deep Learning AMI NVIDIA Volta Deep Learning AMI なんてのがあることを知った。 NVIDIA 公式 Ubuntu Server 16.04 ベース Volta 用のドライバインストール済み Docker + NVIDIA
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
