深度学习训练时 GPU 温度过高？几行命令就可迅速降温！

会员服务 ·

深度学习训练时 GPU 温度过高？几行命令就可迅速降温！

2017 年 7 月 14 日 AI研习社 胡智豪

为了拉近和大家的距离

每篇文章的文末都有一个小话题

欢迎大家参与讨论

有任何想说的都可以在评论区交流~

AI 研习社按：本文作者胡智豪，原载于作者个人博客， AI 研习社经授权发布。

新买回来的不带水冷公版GPU，在满负载运行的时候，温度从室温马上飙升到85度，而且模型训练不是几分钟完事，很有可能要长期保持在高温状态下运行，让如此昂贵的GPU一直发烧真是让人太心疼！

首先得到知乎上一位朋友的文章启发：从零开始组装深度学习平台(GPU散热)。具体地址：

http://t.cn/RK9wyBK

这篇文章写的是在ubuntu X server环境下，通过修改nvidia-settings来修改GPU风扇速度，因为默认的nvidia-settings设置是，即使GPU在计算的时候温度已经达到85度，风扇速度最高不会超过70%，这样就无法很好地为GPU进行散热，因此需要手动修改GPU风扇速度。

注，以下设置都是针对linux系统的GPU设置，windows的朋友请搜索相关文章。

一、如果你有显示器（X server）

可以完全按照上面提到的文章《从零开始组装深度学习平台》操作，这里贴出关键步骤为：

1. 修改/etc/X11/xorg.cong文件

sudo nano /etc/X11/xorg.conf

2. 在Section "Device"里面加入 Option "Coolbits" "4"

Section "Device"

Identifier "Device0"

Driver "nvidia"

VendorName "NVIDIA"

Option "Coolbits" "4"

EndSection

3. 重启电脑sudo reboot

4. 输入：

nvidia-settings -a "[gpu:0]/GPUFanControlState=1" -a "[fan:0]/GPUTargetFanSpeed=100"

这里GPUTargetFanSpeed=100就是风扇的速度, 100就是风扇运行在100%的速度, 也可以改成其它速度. 注意在新的NVIDIA驱动, GPUCurrentFanSpeed 被改成了 GPUTargetFanSpeed. 另外GPUFanControlState=1表示让用户可以手动调节GPU风扇速度。

感谢原文知乎作者：张三

二、如果你没有显示器

一般在ubuntu上搭建完深度学习环境后，许多朋友习惯把ubuntu的X桌面服务禁用掉，然后通过另一台windows系统的电脑通过ssh来连接GPU机器使用。这个时候X server已经被禁用掉，开机也自动启动命令行模式，上面第一种做法就不适用于这种情况了。原因是，nvidia-settings只能在X桌面环境下运行，若你想强行使用这个设置就会报错：

因此正常情况下，是不可能通过修改这个设置来改变风扇速度的。

但有没有其它方法修改呢？有！你需要骗过系统，让它你有显示器，这就是常说的headless模式。

主要的解决方法是参考了链接里这篇文章（fan speed without X : powermizer drops card to p8）：

http://t.cn/RK9ASS5

这篇文章提供了修改风扇速度的脚本，在ubuntu下运行脚本即可实时调节风扇速度，从而为GPU降温。

这里提供详细步骤：

1. 克隆这个github仓库到本地目录/opt：

https://github.com/boris-dimitrov/set_gpu_fans_public

cd /opt

git clone https://github.com/boris-dimitrov/set_gpu_fans_public

在这个仓库包括上图几个文件，主要起作用的是cool_gpu这个文件，我们把文件夹克隆下来之后，运行cool_gpu就可以调节风扇速度了。

2. 修改文件夹名字为set-gpu-fans，因为作者疏忽，在cool_gpu代码中此文件夹被命名为“set-gpu-fans”，然而git clone下来的文件夹名字是“set_gpu_fans_public”。

sudo mv set_gpu_fans_public set-gpu-fans

3. 创建一个符号链接，让系统知道这个代码在哪里：

ln -sf ~/set-gpu-fans /opt/set-gpu-fans

4.定位到set-gpu-fans文件夹，输入以下命令：

cd /opt/set-gpu-fans

sudo tcsh

./cool_gpu >& controller.log &

tail -f controller.log

这个命令是运行cool_gpu降温代码，启动后会看到这些实时变化的提示：

在开始计算测试前，我们看看目前GPU的温度：

这里用的是2卡进行计算测试，我们可以看到，2卡的Perf（性能）一项已经被调整为“P2”（其它卡仍为P8），2卡的温度为35度，而且三个风扇的速度均为55%。“P2”指的是nvidia的显卡power state，从P0到P12，最高性能状态为P0，运行计算是为P2，最低功耗（最低性能）为P12。

启动模型训练，我们可以看到程序正在不断地自动调节温度：