Ubuntu16.04下實時監控CPU/GPU記憶體的使用情況
在程式的執行過程中，我們要實時監控機器的CPU/GPU的記憶體的使用情況。下面說一下如何實時監控：
1、CPU記憶體監控
（1）$ top
（2）htop，首先要安裝htop
$ sudo apt-get install htop
$ htop
2、GPU記憶體使用情況
（1）單次檢視
$ nvidia-smi
（2）實時監控，將上面的命令配合watch使用，使其每秒鐘重新整理一次。
$ watch -n 1 nvidia-smi
轉自原文：https://blog.csdn.net/u012229282/article/details/79582089
相關推薦
Ubuntu16.04下實時監控CPU/GPU記憶體的使用情況
在程式的執行過程中，我們要實時監控機器的CPU/GPU的記憶體的使用情況。下面說一下如何實時監控： 1、CPU記憶體監控 （1）$ top （2）htop，首先要安裝htop $ sudo apt-get install htop $ htop 2、GPU記憶體使
Ubuntu16.04下安裝Caffe(CPU版)
第一步：安裝Caffe依賴 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
Ubuntu16.04下安裝tensorflow（Anaconda3+pycharm+tensorflow+CPU）
arc apt 沒有 3.4 charm tps repo 1.2 net 1.下載並安裝Anaconda 1.1 下載 從Anaconda官網（https://www.continuum.io/downloads）上下載Linux版本 https://repo.conti
Ubuntu16.04下Tensorflow-gpu安裝
踩了無數坑之後（基本上網上出現的所有問題我都不止一次地遇到過：迴圈登入，解析度變差，黑屏等等），終於把帶GPU加速的tensorflow所有相關軟體都安裝好了。因為過程太不容易了，光linux系統我就重灌了兩次，每一次重灌都是相當地絕望了，所以我希望把安裝方法好好總結一下，希望能對別人有所幫助。
ubuntu16.04下opencv安裝專欄，問題集錦，包括GPU加速
參考：https://blog.csdn.net/cocoaqin/article/details/78163171 參考：https://blog.csdn.net/cocoaqin/article/details/78376382?utm_source=debugrun&utm_me
安裝caffe遇到的各種bug 總結（Ubuntu16.04下配置caffe（僅CPU））
這是ｃａｆｆｅ安裝過程 中間遇到的問題下面總結： https://blog.csdn.net/zt_1995/article/details/56283249 下面這個連結是處理這個問題填寫下面語句 LIBRARIES += glog gflags protobuf boost_syst
Ubuntu16.04下安裝Caffe(GPU)
說明： 我這裡主要是參考第一篇和第二篇的詳細講解過程，下面我就是對自己遇到的問題作出一些解決： 這是在最後的編譯階段出現的問題，（一）嘗試了在本地新增libcudart.so.8.0的路徑，更新路徑後，我又輸入命令sudo make runtest -j8結果
Ubuntu16.04下安裝OpenCV3.2.0(cpu)
1.安裝官方給的opencv依賴包 $ sudo apt-get install build-essential $ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libav
Ubuntu16.04下安裝配置了tensorflow GPU版本後導致的常見錯誤
作為菜鳥的我花費了一天的時間終於將TensorFlow GPU版本安裝配置好了，配置網址為：http://www.linuxidc.com/Linux/2016-11/137561.htm
ubuntu16.04下安裝CUDA，cuDNN及tensorflow-gpu版本過程
這篇文章主要依據兩篇文章： 深度學習主機環境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow 不過在實際執行的過程中，
ubuntu16.04 下安裝加入opencv_contribute包的GPU版本的OpenCV3.2（CUDA支援）步驟與問題解決
首先肯定是先安裝依賴了，官方列出了一些： sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev liba
ubuntu16.04下安裝TensorFlow(GPU加速)----詳細圖文教程
寫在前面 一些廢話 接觸深度學習已經有一段時間，之前一直在windows下使用Theano，但是發現Theano天書般的原始碼真是頭大，在看到tensorflow中文教程後，發現它竟然邏輯清晰，教程豐富，實在是居家旅行必備良藥啊![偷笑][偷笑][偷笑]
ubuntu16.04下安裝CUDA，cuDNN及tensorflow-gpu
原博文：這篇文章主要依據兩篇文章： 深度學習主機環境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow 不過在實際執行的過程中，有一定的不同之處
ubuntu16.04下安裝TensorFlow(GPU加速)
配置 硬體：Thunderbot 911筆記本，CPU：i7，GPU ：GeForce GTX 960m， 8G記憶體，120G SSD+1T 機械硬碟。 軟體： ubuntu16.04+cuda8.0+cudnn v5+tensorflow 0.11 1. 下載
Ubuntu16.04下CUDA 9.0 + cuDNN v7.0 + tensorflow 1.6.0（GPU）環境搭建
由於自己攢了個主機，第一次安裝GPU版本的tensorflow，mark一下。說一下環境的版本：系統：Ubuntu 16.04.3顯示卡：gtx 1080（索泰 至尊Plus OC）CUDA 9.0cuDNN v7.0.5 for CUDA 9.0tensorflow 1.6
Ubuntu16.04下，在Anaconda環境下安裝tensorflow-gpu
在安裝好Anaconda環境，並配好環境的前提下，安裝tensorflow-gpu 安裝tensorflow-gpu conda install -c conda-forge tensorflow-gpu 或者安裝keras-gpu keras-gpu自
ubuntu16.04下caffe安裝(GPU版)
1. 安裝 opencv opencv3.1.0 安裝過程見上一部落格 http://blog.csdn.net/zly_kemgine/article/details/78749764 2. 安裝NVIDIA顯示卡驅動 最好採用系統適配顯示卡驅動的方式 找到附加驅動
Ubuntu16.04下配置caffe（僅CPU）
第二次配置caffe環境，依舊把之前犯過的錯誤重新走了一遍，不會配置的地方還是忘了，所以打算通過部落格記錄下來，方便以後學習使用。 1.安裝依賴包 $ sudo apt-get install libprotobuf-dev libleveldb-dev
ubuntu下檢視CPU/GPU/記憶體使用率
在跑一些程式，例如deep learning的時候，總是希望檢視一下cpu、gpu、記憶體的使用率 1. cpu、記憶體 使用top命令 $ top 有一個更直觀的監測工具，叫htop $ sudo apt-get install htop
Linux資源監控檢視命令top—實時檢視cpu、記憶體、程序情況
top命令相當於window系統的工作管理員，這個命令可以讓我們輕鬆的檢視到linux當前負載的實時資料，便於我們更好的管理系統合理作出調整； top命令比window系統工作管理員更強大，通過相應引數可以更直觀快速輸出我們想要的資料，更加詳細便捷的提供給我們l