---
title: 檢視運算資源概況 GPU Burn
tags: HowTo, CCS, Interactive, TW
GA: UA-155999456-1
---
{%hackmd @docsharedstyle/default %}
# HowTo：檢視運算資源概況－GPU Burn Testing
提供使用 GPU 壓力測試工具的教學，讓 GPU 在滿載的情況下，檢查 GPU 是否運作正常
最後的結果若為 `OK` 則代表 GPU 工作執行正常；`FAULTY` 則表示 GPU 出現問題
## Step 1. 登入 TWCC
- 若尚無帳號，請參考 [註冊 TWCC 帳號](https://www.twcc.ai/doc?page=register_account)
## Step 2. 建立開發型容器
- 請參考 [開發型容器](https://www.twcc.ai/doc?page=container#建立開發型容器) 建立開發型容器
- 映像檔類型請選擇 TensorFlow、映像檔選擇 tensorflow-21.11-tf2-py3:latest 以上的版本、硬體選擇支援 1 顆 GPU 的設定即可
## Step 3. 連線容器、下載訓練程式
- 使用 Jupyter Notebook 連線容器，開啟 Terminal
:::info
:book: [使用 Jupyter Notebook](https://www.twcc.ai/doc?page=container#使用-Jupyter-Notebook)
:::
- 輸入以下指令，將 [NCHC_GitHub](https://github.com/TW-NCHC/AI-Services/tree/V3Training) training 程式下載到容器
```bash=
git clone https://github.com/TW-NCHC/AI-Services.git
```
## Step 4. 進行 GPU Burn Testing
- 輸入以下指令，進入 **Tutorial_Two** 目錄
```bash=
cd AI-Services/Tutorial_Two
```
- 輸入以下指令，下載 GPU_Burn 程式並開始執行
```bash=
bash gpu_testing.sh
```
## Step 5. 取得基礎運算資訊
- **檢視計算能力**
GPGPU 容器服務所使用之 GPU 皆為 NVIDIA V100 32GB，具有強大之計算能力。使用 gpu-burn 所測試之結果是具有 13198 Gflop/s能力
- **監控資源運行狀況**
a. 容器使用者界面監控：GPU用量、記憶體使用量
b. 容器 Jupyter Notebook 之 Terminal 內：執行以下程式，可監控 GPU 溫度及電量
```bash=
$ nvidia-smi
```
`GPU數量` 以編號0遞增顯示，下圖範例為1顆GPU
`GPU溫度` 以攝氏溫度呈現，下圖範例為31度C
`GPU電量` 以瓦數方式程式，下圖範例為43W
